ComfyUI MiniMax H3 Hybrid Loader：融合 FL2VA 画质与 Ref2VA 参考能力的方案

MiniMax H3 发布了两个权重布局相同但训练侧重点不同的检查点：FL2VA（高质量，仅支持首尾帧关键帧）和 Ref2VA（支持多模态参考，但画质较差）。

• GitHub：https://github.com/scottmudge/ComfyUI_MinimaxH3HybridLoader
• 模型：https://huggingface.co/smhfacct/Minimax-H3-fl2va-ref2va-hybrid-models

ComfyUI MiniMax H3 Hybrid Loader 是一个自定义节点，它允许用户将这两个模型的“精华”部分合并，从而在保留 Ref2VA 强大参考能力（如角色一致性、音频同步）的同时，获得 FL2VA 卓越的视觉和音频生成质量。

核心原理：精准替换 AdaLN 调制层

通过逐张量分析发现，FL2VA 和 Ref2VA 之间超过 97% 的权重（包括注意力机制、MLP、RMSNorm 等）在比特级别完全一致。两者真正的差异在于负责路由不同模态条件（文本、音频、视频、参考）的 AdaLN 调制投影层（adaln_proj.linear.*）以及输出头。

Hybrid Loader 的工作逻辑是：

1. 以 FL2VA 为基础模型，继承其高质量的注意力机制和生成能力。
2. 从 Ref2VA 中仅提取并覆盖关键的 adaln_proj 权重，从而激活其对图像、视频和音频参考的理解能力。

推荐配置：最佳平衡点

经过大量主观测试，以下设置能在参考能力和生成质量之间取得最佳平衡：

• Base Model: minimax_h3_fl2va
• Overlay Model: minimax_h3_ref2va
• Preset: block_range_adaln
• Block Range Start: 25
• Block Range End: 49
• Final Adaln from Overlay: 可选开启（若需最大化参考能力，但可能轻微影响画质）

这种配置仅替换了模型后半部分（深层网络）的 AdaLN 层，既保留了浅层网络对基础画质的贡献，又引入了深层网络对复杂参考条件的处理能力。

功能亮点

• 🧠 内存友好：采用 mmap 方式流式加载张量，峰值内存占用与加载单个模型相当（约 19.5 GB for int8），无需双倍显存。
• 🔒 只读安全：不会修改原始的 safetensors 文件，确保源模型完整性。
• ⚡ 兼容性强：当不使用覆盖功能时，其行为与标准 Load Diffusion Model 完全一致，支持多 GPU deepclone 和量化感知（int8/FP8）。
• 🛠️ 高度可定制：除了预设，还支持通过 glob 字符串自定义需要覆盖或回退的特定权重键，满足高级实验需求。

预设说明

安装与使用

1. 将仓库克隆至 ComfyUI/custom_nodes/ 目录。
2. 重启 ComfyUI。
3. 在 model/loaders 类别下找到 MiniMax H3 Hybrid Loader 节点。
4. 分别连接 FL2VA 和 Ref2VA 的检查点路径，选择预设并开始生成。