下载新模型
下载任务
| 名称 | 来源 | 进度 | 速度 | 状态 |
|---|
已安装模型
| 文件名 | 大小 |
|---|
当前引擎状态
🎬 ComfyUI · 视频生成（MiniMax H3）
占用一张卡，可与另一张卡上的 LLM 引擎并行。跑 MiniMax H3（int8 量化，带原生音频）；出片到「🎬 视频生成」面板操作。
引擎版本信息
| 引擎 | 版本 |
|---|---|
| 加载中… | |
启动引擎（加载模型）
🛡️ 启动前会做结构预检：检查点若含 MTP 权重、量化层数不足或量化方式不是 AWQ，会直接拦下并说明原因 —— 这些实测都会导致加载缺参数、最终 SIGABRT。
🎬 MiniMax H3 视频生成
⚠️ 上传的图会整张成为视频的第 1 帧（或最后一帧），模型从它开始动。 MiniMax H3 没有「风格参考／主体注入」入口，所以不能只当背景图层用， 也不能「指定这个物品、另外构图」。想让多段是同一个人，就把同一张图设为首帧并勾选下面的「每段都用」。
与上面的「首帧图」是两条不同的路：首帧图整张成为第 1 帧；
主体参考是告诉模型「这个人／这个物长这样」，然后另外构图。
在提示词里原样写 <Picture 1>…<Picture 9> 引用，不需要替换成文件名 ——
分词器会自动把图拼在提示词前面并打上这些标签。编号见下方对照表。
例：The woman in <Picture 1> reports from a newsroom
⚠️ 用主体参考图时 turbo 档必须选「PDD 8 步」或关闭。 选 turbo 4/8 步会被拒绝 —— 那套 LoRA 蒸馏自 FL2V、不带音频头， 套在参考图任务上会产出 0 字节的坏文件（2026-08-29 实测）。 实测 PDD 8 步：1344×768 / 124 帧 / 456 秒，音轨正常。
不勾选时首帧图只用在第 1 段。分镜模式下可在脚本里按段指定：
124 | @ref_xxx.png | 画面描述，按段指定优先级最高。
⚠️ 只有 CFG > 1 才起作用。默认走 BasicGuider，没有无条件分支， 负面词在数学上无处作用。开 CFG 后每个采样步要跑两遍模型 → 慢一倍， 而且 turbo LoRA 是按 CFG=1 蒸馏的，两者同开画质通常会崩 —— 用负面词就要把 turbo 关掉（20 步，124 帧约 33 分钟）。
⚠️ 模型共 48GB（21GB 扩散 + 27GB 文本编码器），内存 93GB 已够放下：仍限一次一个任务（两个并发会抢同一张卡的显存），段间自动清内存。 4 步 Turbo LoRA 虽快 6 倍，但实测画面与音频质量不合格，故默认 20 步。
任务进度
已生成视频
🖼️ 文生图
热态一张约 10–20 秒；切换模型后的第一张要多等 1~2 分钟；出片进行中时生图暂停。 扩散模型读不懂「不要X」，写了反而会画出 X —— 自动改写会先用本地 Qwen3.8 把它换成正面描述。
我的图片
GPU
node1 · Radeon AI PRO R9700 ×3（1、2 号跑大模型，3 号出片）
node2 · RTX 3060 ×2（大模型）+ RX 7900 XTX（生图、R9700 忙时帮忙出片）
—
系统 · node1
—
—
—
—
系统 · node2
—
运行基准测试
历史结果
| 时间 | 引擎 | 模型 | 生成 tok/s | prompt tok/s |
|---|
账号密码
登录用的用户名密码。修改后其它设备（含手机 App）需重新登录。
用户管理
管理员可全权操作；使用者只能出片和只读监控，碰不到引擎启停、删模型和密钥。
API Key 设置
Key 点一下即复制。添加、删除、重新生成、改别名都会立即保存：统一入口 /v1 马上认新 key；引擎自身（llama/vLLM 的 --api-key）在下次启动/切换时生效。
三个引擎都通过后台代理访问才会统计用量。远程 Base URL（经 9099 网关）：
· llama：（key 填 llama 那个）
· vLLM：（key 填上面任一 vLLM key）
· SGLang：（key 填上面任一 SGLang key）
Token 用量统计 · 按人
同一个人用了多少，不分引擎、不分用途合并成一行。「引擎」列是他用过的引擎数，悬停看明细。
| 用户 | 请求数 | 提示词 | 补全 | 合计 token | 引擎 | 最后使用 |
|---|
Token 用量统计（LLM · 生图 · 出片 · 按 key 累计）
| 引擎 | 别名 | Key | 请求数 | prompt | completion | 总 tokens | 最后使用 |
|---|