ComfyUI-MiniMaxH3-TeaCache

ComfyUI 中 MiniMax H3 视频生成的时间步缓存加速工具。开源支持 Linux/Windows/macOS。完全从零编写，不含 .pyd 文件。

状态

• 仓库框架搭建
• 核心缓存封装
• 首次实际基准测试（见下文）
• 多提示词批量处理（fl2va / ref2va / t2v）
• 多项式校准（从原始相对 L1 升级）
• 质量把关（VBench 子集）
• v0.1 发布标签

实际效果（v0.1 版本）

	基准（无缓存）	TeaCache thresh=0.15	差异
总耗时	306.22 秒	102.08 秒	-66.7%（3.0 倍加速）
采样阶段（20 步）	246 秒	87 秒	-64.6%
平均每步耗时	12.33 秒	4.38 秒	—
感知质量	参考水平	A/B 对比下与参考水平一致	—

测试环境：MiniMax H3 fl2va int8_convrot，res_multistep + simple 调度器，20 步，1024×576 分辨率，长度 124 帧（约 5.2 秒），固定随机种子 42，硬件为 NVIDIA CMP 170HX（GA100，sm_80，64 GB 改装显存）。基准测试与缓存测试使用完全相同的输入。

加速比超越闭源竞品（TE-Speed 宣传为 45%；本工具在默认阈值下实测为 66%）。此结果在非 H3 模型或非 Ampere 架构硬件上是否依然成立有待验证。

功能说明

MiniMax H3 的 DiT 采样器为每个 5 秒视频运行 20 次约 70 亿参数 transformer 的前向传播。相邻时间步会产生极为相似的模块输出，因此我们将一次前向传播的输出复用至接下来的 k 步，前提是累积的输入变化量保持在阈值以下。

参考资料：时间步嵌入感知缓存（Liu et al. 2024）。

参考资料：时间步嵌入感知缓存（Liu et al. 2024）。

与 TE-Speed-MiniMaxH3 的区别

	TE-Speed（tl2012tl）	本仓库
许可证	闭源	MIT
源码形式	仅 Windows .pyd	Python（Linux/Win/Mac）
model.py 补丁	提供修改后的 comfy/ldm/minimax/model.py	使用 ComfyUI 官方 set_model_unet_function_wrapper — 无需修改核心代码
分发渠道	Bilibili + 夸克网盘	GitHub

采用相同的底层技术（自适应步长缓存），基于公开论文独立实现。

安装

cd ComfyUI/custom_nodes
git clone https://github.com/Icyoung/ComfyUI-MiniMaxH3-TeaCache
# no build step, no compile — pure Python

重启 ComfyUI。一个名为 MiniMaxH3 TeaCache 的新节点将出现在 advanced/model 目录下。

使用方法

将该节点插入到您的 UNETLoader 与引导器之间：

UNETLoader → MiniMaxH3 TeaCache → CFGGuider / BasicGuider → SamplerCustomAdvanced

参数：

• rel_l1_thresh：相对 L1 距离阈值，低于此值时我们将重用先前的输出。默认值为 0.15。值越低，质量越高，但加速效果越不明显。取值范围为 [0.05, 0.5]。
• start_step：缓存开始生效的第一步（早期步骤对结构至关重要，不可跳过）。默认值为 2。
• end_step：缓存的最后一步（最终步骤决定细节，同样不可跳过）。默认值为 -2（即最后 2 步）。

可复现性（供审阅者参考）

在 rel_l1_thresh 固定的情况下，缓存决策是确定性的——相同的种子 + 相同的提示词，无论 TeaCache 是否开启，生成的潜在变量（latents）在数值容差范围内都是完全一致的。

基准测试

v0.1 版本后待定。硬件：NVIDIA CMP 170HX（GA100，sm_80，64GB 改装显存）。此配置仅作校准参考；其他显卡的绝对时间可能不同，但加速比例具有可比性。

贡献指南

欢迎提交 PR。请在 PR 描述中包含简短的基准测试差异（前后对比）。

相关工作

• welltop-cn/ComfyUI-TeaCache — 适用于 FLUX、Wan、Hunyuan、LTX 的 TeaCache（不包含 H3）
• nvmax/teacache — 包含更新的 ComfyUI 依赖项的分支

许可证

MIT。