# 核查：H3 的 ComfyUI「今天掉了 10G 显存 + 速度瞬间提很多」——是本体适配还是节点更新？

- 核查人：DSH（本机 192.168.31.76）
- 核查时间：2026-09-24 13:2x–14:0x CST
- 核查对象：网友说法「H3 的 CUI 是适配更新了还是节点更新了？今天突然掉了 10G 左右的显存使用量，速度瞬间提了很多」
- 核查环境：GPU 机 192.168.31.31（RTX 5060 Ti 16GB, sm_120）、ComfyUI v0.37.0 / HEAD `c194dd00`（2026-09-21 04:57 UTC 拉取）

---

## 一、结论（直接回答网友的问题）

| 问题 | 结论 | 依据 |
|---|---|---|
| 是 ComfyUI 本体适配，还是节点更新？ | **"能让 H3 显存/速度跳一档"的能力全部来自 ComfyUI 本体（内核）适配，而且都是 2026-09-05 ~ 09-20 合并的**，不是这两天的自定义节点更新 | 见第二节提交时间线 |
| 「今天」有新适配吗？ | **没有。** 09-21 ~ 09-24 上游**没有任何 H3 显存/速度相关提交**；这三天 H3 只有两个补丁：VAE 瓦片拼接、rms_rope 崩溃修复 | 见第二节表 |
| 「掉了 10G 显存」能由注意力机制解释吗？ | **不能。** 本机实测 comfy-kitchen INT8 注意力**显存不降反升**（8K token：稠密 86 MiB → INT8 617 MiB）。10GB 级别的下降只可能来自 **权重换成更小的量化档** 或 **ComfyUI 缓存被释放** | 见第三、四节实测 |
| 「速度瞬间提很多」能解释吗？ | **能，且量级吻合。** H3 5s@1MP ≈ 2~3 万 token，正处于本机实测的交叉点之后：32K token 时稠密 479.8 ms → INT8 244.6 ms（**1.96×**）；社区 SPEED V2 渐进分辨率节点自报 1.23–2.41× | 见第四节 |

**一句话**：如果网友没动工作流却"变快了"，那是**内核适配**（Comfy 编译器 / 核心稀疏注意力 / comfy-kitchen INT8）；如果显存真的少了 10G，那几乎只能是**换了更小的量化权重**（本机两档 H3 权重相差 **8.43 GB**）或者**缓存被释放**（本机实测空闲常驻 13.78 GB，一条 `/free` 就掉到 310 MiB）——与"注意力节点更新"无关。

---

## 二、上游证据：09-20 → 09-24 全部提交（Comfy-Org/ComfyUI master）

```
2026-09-24 03:01  1568e6cf  Lower memory usage and .comfy_attention support for lumina family models. (#16515)
2026-09-24 01:57  3b4c0b0e  feat: ming-image support (#16482)
2026-09-23 03:16  b5cc8830  Port some optimizations to flux model family. (#16488)
2026-09-23 01:39  912fca4f  Fix MiniMax-H3 VAE rms_rope crash on offloaded qk_norm_scale (#16485)   ← H3，仅修崩溃
2026-09-22 16:27  95539f56  support union cn 2.0 (#16471)
2026-09-22 06:22  b33e2b55  workflow templates v0.11.68 (#16466)
2026-09-22 01:57  e638023d  Fast disk detection to all model loaders. (#16425)
2026-09-22 01:56  fc584aaa  Blend H3 VAE tiles against composited neighbours (#16436)              ← H3，仅 VAE 拼接画质
2026-09-22 01:49  d1584209  Cuda graphs + memory compiler on ace step 1.5 (#16461)
2026-09-21 05:58  b0f4b7b2  JsonExtractString ...
2026-09-20 17:31  c194dd00  Allow model files to contain which attention should be used for each block. (#16419)  ← 关键（本机 HEAD）
2026-09-20 15:27  73c9bad4  ComfyUI v0.37.0
2026-09-20 02:50  c8ed2c8c  Lower wan peak vram when using comfy kitchen attention. (#16418)
```

**结论：09-21 之后没有一条 H3 显存/速度提交。**H3 最近真正碰显存的是 **09-15**（`f14bbe28 Lower minimax VAE usage by a bit`、`b2e31e89 MiniMax-H3 VAE optimizations`）。

真正能造成"跳一档"的内核改动，全都早于"今天"：

| 日期 | 提交 | 内容 | 作用侧 |
|---|---|---|---|
| 09-05 | #15861 | **Comfy 编译器**（comfy-aimdo 内存编译器 + CUDA graphs），Wiki 明说让 H3 720p/158 帧从"停滞"变为 ~43 s/step，并让"物理显存峰值=逻辑分配峰值，不再让已释放分配留在缓存" | 本体 |
| 09-06 | #16072 | **核心「Block Sparse Attention」节点**（Sol-Attn / top-k SLA / VSA 三后端，H3 首个转换） | 本体（核心节点） |
| 09-07 | #16148 | 长时稀疏分配时暂停 Comfy 编译器（修早期 OOM/崩溃） | 本体 |
| 09-08 | #16154 | 统一模型注意力节点（`Model Attention Backend`，可选 `comfy kitchen attention` = INT8） | 本体（核心节点） |
| 09-20 | #16419 | **允许模型文件逐块声明用哪种注意力**（本机 HEAD） | 本体 |

---

## 三、机制拆解：哪些能解释"掉 10G"，哪些只能解释"变快"

### 机制 A：模型文件里的 `attention.config` 张量（本体适配，**本机未生效**）

本机 `comfy/ldm/modules/attention.py:76` 的 `ComfyAttention`：

```python
metadata = state_dict.pop(prefix + "config", None)      # 从权重里取 "….comfy_attention.config"
if metadata is not None:
    config = json.loads(metadata.numpy().tobytes())
    method = config.get("attention")                     # 支持 "comfy_kitchen_int8"
    if method == "comfy_kitchen_int8" and comfy_kitchen.int8_attention_is_available(...):
        self.function = attention_comfy_kitchen_int8     # 自动切 INT8 注意力
```

- H3 的 `Attention.forward()` 已经把 `preferred_attention=self.comfy_attention` 传下去（`comfy/ldm/minimax/model.py:161,200`）——这是 **#16419（09-20）本体适配**。
- **但全库递归扫描 84 个 safetensors，带该 config 张量的是 0 个**（含 6 个 H3 权重与 `MiniMaxH3/` 子目录 3 个）。
- ⇒ 机制存在、但**要靠模型重导出才生效**；本机（以及任何用老模型的网友）不会自动变。

### 机制 B：comfy-kitchen INT8 注意力 / 稀疏注意力（本体，**只提速，不省显存**）

见第四节实测：INT8 显存高于稠密。**所以"掉 10G"不能归因于注意力后端。**

### 机制 C：换更小的量化权重档（**最可能解释"掉 10G"**）

本机现成两档 H3 权重实测文件大小：

| 权重 | 大小 | 差值 |
|---|---|---|
| `minimax_h3_ref2va_pruned_int8_convrot.safetensors` | **20.97 GB** | — |
| `minimax_h3_ref2va_pruned_w4a8_mixed.safetensors` | **12.54 GB** | **−8.43 GB** |

- fl2va 档同为 20.97 vs 12.54 GB。
- 这些格式（int8_convrot / w4a8）**由内核 comfy-kitchen 直接支持**（本机启动日志列出 cuda 后端能力：`w4a8_int8_linear`、`int8_linear`、`quantize_int8_convrot_weight`、`sol_attn` 等），不需要第三方节点。
- 20.97 → 12.54 GB 的切换，在 nvidia-smi 上就是"显存掉了 8~10G"，同时因为 INT8/低比特张量核心，**速度也同步变快**——与网友描述的**两个症状同时出现**完全吻合。

### 机制 D：ComfyUI 缓存/暂存行为（**也能解释"显存突然掉 10G"，而且是"假"掉**）

本机实测（空闲、队列为空）：

```
释放前：nvidia-smi memory.used = 13782 MiB   （进程 5056 占 13756 MiB）
POST /free {"unload_models":true,"free_memory":true}  →  http 200
释放后：nvidia-smi memory.used =    310 MiB
```

- 也就是说**空闲时"占着 13.78 GB"几乎全是暂存的权重**（日志：`Model QwenImage21TEModel_ prepared for dynamic VRAM loading. 8916MB Staged.`）。
- 版本升级或启动参数变化（如 `--cache-lru`、`--fast-disk`、动态 VRAM 策略）会让这个数字**突然掉十几 G**，但生成速度未必变化；反过来 Comfy 编译器/aimdo（09-05）宣称的正是"不再让已释放的分配留在缓存里"→ 视觉上就是"显存占用掉了"，同时步进更快。

### 机制 E：社区节点「MiniMax H3 SPEED V2」（**节点侧**，渐进分辨率）

- 包：`StanLukuvka/ComfyUI-MiniMax-H3-SPEED`（custom_nodes），把早期去噪步骤放在低分辨率网格上跑，再逐步放大。
- 作者自报（RTX 5080，960×544/10.125s）：全分辨率基线 571.49s → 4 阶段 delta 0.05 时 **237.57s（2.41×）**。
- 早期步骤网格更小 ⇒ **显存峰值也确实会下降**，但主要是 latent 侧，量级达不到 10G（权重才是大头）。
- 这属于"**节点更新**"，且 Wiki 明确说 V2 的采样器组合尚无独立复现。

---

## 四、本机实测：H3 真实注意力维度的稠密 vs INT8 A/B

H3 注意力维度从权重头推得：`blocks.0.attn.qkv_proj.weight [21504, 2688]`、`out_proj [5376, 3584]` ⇒ **hidden 3584 / 56 heads / head_dim 96**。
GPU：RTX 5060 Ti，sm_120；comfy-kitchen 0.2.35；`int8_attention_is_available=True`、`sol_attn_is_available=True`。

| 序列长度 S | 稠密 PyTorch SDPA 显存 | INT8 显存 | 稠密耗时 | INT8 耗时 | 加速 |
|---|---|---|---|---|---|
| 8,192 | 86 MiB | 617 MiB | 33.4 ms | 42.3 ms | 0.79× |
| 16,384 | 172 MiB | 1,233 MiB | 119.8 ms | 62.0 ms | **1.93×** |
| 32,768 | 343 MiB | 2,466 MiB | 479.8 ms | 244.6 ms | **1.96×** |
| 65,536 | 未测 | 4,932 MiB | — | 942.7 ms | — |
| 98,304 | 未测 | 7,398 MiB | — | 1,986.0 ms | — |

要点：

1. **INT8 注意力更费显存**（S=32K 时 +2.1 GB），因为它要物化 int8 副本/中间张量；**它不是省显存的手段**。
2. **INT8 的收益全在速度**：交叉点约在 12K token，之后约 2×；且随 S 线性增长（稠密是 O(S²) 计算）。
3. 稠密路径显存极小（flash 类内核不物化 S×S），⇒ **H3 的显存峰值由权重主导**，这反过来印证机制 C。
4. H3 的真实 token 量级：VAE 空间 /16、时间 /4，DiT 再 patchify (1,2,2)，latent 帧率 `frames_per_token=(1,4,4,4,4)`。5s、约 1 MP（如 768×1344 / 1280×720）落在 **2~3 万 token** 量级 ⇒ 正好是上表 INT8 已有 2× 收益的区间，与"速度瞬间提很多"量级相符。

---

## 五、本机环境快照（供对照）

| 项 | 值 |
|---|---|
| ComfyUI 版本 | **v0.37.0**，HEAD `c194dd00`，拉取于 2026-09-21 04:57 UTC（`git reflog`） |
| 上游最新（核查时） | 09-24 `1568e6cf`；tags 已有 v0.37.1 / v0.37.2 |
| comfy-kitchen | 0.2.35（cuda 后端可用，含 `sol_attn`、`w4a8_int8_linear`、`int8_linear`） |
| comfy-aimdo | 0.5.5（日志：`comfy-aimdo inited for GPU: NVIDIA GeForce RTX 5060 Ti`） |
| 启动参数 | `--lowvram --force-fp16 --reserve-vram 1.0 --fast-disk --cache-lru 20` |
| 稀疏/注意力文件 | `comfy_extras/nodes_sparse_attention.py` 存在；`ModelAttentionBackend` 节点存在 |
| 官方 H3 Director 工作流 | 12 个 JSON，**均不含**注意力补丁节点（仅 `MotionContext-fl2va-ref2va.json` 引用未安装的 `H3SLAAttention`） |
| 带 `attention.config` 的模型 | **0 / 84** |

---

## 六、给网友的 5 分钟自查清单（判断"适配"还是"节点"）

1. `cd ComfyUI && git log -1 --date=iso` → 看**拉取日期**。若在 09-20 之前，就不可能有逐块注意力（#16419）。
2. 看**模型文件名**：`...int8_convrot`（≈21 GB）还是 `...w4a8_mixed`（≈12.5 GB）。显存"掉 10G"基本就是这一项。→ 用 `ls -l models/diffusion_models/`。
3. 工作流里搜有没有 **`Model Attention Backend`** 或 **`Block Sparse Attention`** 节点（本体核心节点，选了 `comfy kitchen attention` 就会提速 ~2×）。
4. 有没有装社区包：`ComfyUI-MiniMax-H3-SPEED`（渐进分辨率，节点侧提速）、`ComfyUI-SolAttn*`、`ComfyUI-KJNodes` 等。→ `ls custom_nodes/`。
5. 显存是"生成时峰值"掉了，还是"空闲占用"掉了？后者先 `POST /free` 试一次——本机实测能一次掉 13.5 GB，属于缓存而非真实占用。

---

## 七、本次核查的副作用（已确认无碍）

- **代理修复**：核查开始时本机 v2ray 全 timeout（SS 节点 IP 轮换）。已按 `~/Downloads/v2ray-setup/refresh-sub.sh` 刷新订阅 → 节点更新为 `176.122.134.43 / 176.122.191.251` → 验证 Google 200、下载 4139 KB/s。
- **ComfyUI 缓存释放**：为腾出显存做长序列基准，对空闲的 ComfyUI（队列为空）调用了一次 `POST /free`。这只清缓存，不影响运行；下次出图会自动重新加载模型（首次略慢）。
- 未改动任何模型文件、工作流配置或 ComfyUI 代码。

---

## 附：本次核查使用的关键命令

```bash
# 上游提交（走 v2ray 代理）
curl -s -x http://127.0.0.1:10809 \
  "https://api.github.com/repos/Comfy-Org/ComfyUI/commits?since=2026-09-20T00:00:00Z&per_page=100"

# H3 注意力维度（从 safetensors 头）
#   blocks.0.attn.qkv_proj.weight [21504,2688] / out_proj [5376,3584] -> 56 heads x 96

# 全库扫描 attention.config
python3 -c "..."   # models/**/*.safetensors 84 个，命中 0

# 显存 A/B（GPU 机 venv）
cd /home/zyw/ComfyUI && venv/bin/python /tmp/h3_attn_bench3.py

# 空闲缓存实测
curl -s --noproxy '*' -X POST http://127.0.0.1:8189/free \
  -H 'Content-Type: application/json' -d '{"unload_models": true, "free_memory": true}'
```