ComfyUI ofrece soporte nativo desde el primer día para MiniMax H3, el nuevo modelo de vídeo con pesos abiertos de MiniMax. H3 es la tercera generación de modelos de vídeo de la compañía china, tras Hailuo 01 y Hailuo 02, y la primera que se publica con pesos abiertos, lo que permite a los desarrolladores ejecutarlo, modificarlo e integrarlo en sus propios flujos.
El modelo es omni-modal: acepta texto, imágenes, vídeo o audio como entrada y genera vídeo de hasta 2K de resolución y 15 segundos de duración con sonido estéreo nativo producido en la misma pasada, no añadido en postproducción. Entre sus funciones destacan la conversión texto-a-vídeo e imagen-a-vídeo, el control por primer y último fotograma, y la transferencia de referencia, que permite mantener un sujeto, un movimiento o una voz concretos a lo largo del clip.
La pieza describe también la comprensión multimodal del contexto, capaz de resolver la relación entre varias entradas frente a un prompt, y las capacidades de edición in-place y transferencia de movimiento, útiles para flujos basados en nodos. El artículo incluye ejemplos detallados de prompts (estilo cómic, producto tecnológico, editorial de moda, anuncio de refresco) que ilustran la versatilidad del modelo. ComfyUI afirma que H3 está lo bastante optimizado para correr en una GPU RTX 3060, lo que baja la barrera de entrada para creadores sin infraestructura de servidor.