WhichH3:MiniMax H3 硬件适配数据集
机器学习
0 下载
15 浏览
2026-09-20
数据集简介
本仓库是 whichh3.com 计算器的原始数据集与校验工具集,全部公开,欢迎引用、提 Issue 纠正数据、提 PR 补充实测锚点。它服务于 MiniMax H3 视频生成模型在本地硬件上的部署评估:给定显卡与内存配置,估算可选的模型组合、生成耗时,以及显存、内存与 SSD 的压力。
数据文件一览(data/)
数据以结构化 JSON 文件组织,主要包括:
data/gpus.json:显卡数据,字段含 id、name、vendor、arch、sm、vram_gb、mem_type、mem_bw_gbps、pcie_gen、pcie_lanes、nvfp4_dit、tier、notes,共 49 张显卡(含 6 张魔改卡)。data/models.json:模型文件元数据,覆盖主模型、文本编码器与 VAE 的体积、量化、依赖与备注,共 48 个模型文件。data/model_sets.json:6 套推荐模型组合。data/accelerations.json:加速方案,包括步数蒸馏、注意力后端(Sage/Kitchen/SLA/VSA)与缓存。data/conflicts.json:组合冲突与风险提示。data/benchmarks.json:社区实测锚点,记录来源、配置与 s/it。data/calibration.json:回归系数与每卡修正(k_bw、per_gpu、eff_tops_median)。data/resolutions_official.json:ComfyUI ResolutionSelector 官方尺寸表。data/download_library.json:精选下载库。data/memory.json:DDR/PCIe/SSD 有效带宽与页文件模型。data/sources.json:全部数据来源。
工具(tools/)
仓库附带三个 Python 工具:tools/validate.py 用于数据校验,tools/calibrate.py 用于校准回归参数,tools/gen_resolutions.py 用于生成分辨率表。
估算方法
估算模型的校准基于社区实测锚点回归:当前使用 19 条锚点进行回归,平均误差为 13.9%。详细方法记录在 docs/data-notes.md 中,按以下内容展开:
- 时间公式
- 回归结果
- 外部独立验证:5070 Ti 32 格矩阵
- 本机日志的价值
- 误差来源与公信力策略
- 如何新增一条基准
- 已知数据缺口
引用与许可
许可采用双轨制:代码(tools/)为 MIT 许可;数据(data/)为 CC BY 4.0,引用请注明 WhichH3(https://whichh3.com)。仓库公开,可自由引用,并可通过 Issue 与 PR 参与纠错和数据补充。
纠错与补充
若发现数据错误,可提交 Issue 修正;拥有实测数据的用户可通过 PR 补充锚点。按 docs/data-notes.md 中「如何新增一条基准」的说明贡献实测结果,有助于进一步缩小估算误差。
版本状态
数据冻结于 v1,可用于网页开发;仓库最近更新日期为 2026-09-20(页面注明 2026-09-18 更新,共 2 次提交)。
基本信息
记录数量49 张显卡(含 6 张魔改卡)、48 个模型文件、6 套推荐组合、30+ 条社区实测锚点(19 条拟合锚点);2 次提交
文件大小未知
文件格式JSON、Markdown、Python
数据来源panxxpan(GitHub 仓库 whichh3-data)/ WhichH3
规模49 张显卡(含 6 张魔改卡)、48 个模型文件、6 套推荐组合、30+ 条实测锚点
校准精度19 条锚点回归平均误差 13.9%
许可代码 MIT;数据 CC BY 4.0(引用请注明 WhichH3)
版本状态v1 数据冻结,可用于网页开发
数据落地页https://github.com/panxxpan/whichh3-data
发布日期2026-09-20
MiniMax H3硬件适配显卡基准显存估算视频生成部署本地部署
上架信息
数据集市运营
平台统一选品上架,经质量审核后公开
0 次下载