海螺开源以来，折腾了好几宿，也算有了些经验，分享出来希望能让大家少走弯路。
1、部署硬件条件：64G内存是必须的。现在网络上有int4版，质量太差，而比int8容量小的GGUF只能是Q2，都无法使用。int8剪枝版平均占用内存50G左右，所以64G内存是必须，不然就需要硬盘做缓存，对硬盘寿命伤害太大，不推荐。
2、软件条件：最好升级到cuda13.X,这个版本速度块很多。50系的更是必要条件，因为它的硬件原生加速只有cuda13.X才支持。sage也是必要的，github上有现成编译好的轮子，不用看它对应的cuda版本，只要python版本对上了，都可以用。
3、关于加速的选择：在加速lora出来后，除了sage注意力，其他加速节点或插件都可以不用。其他加速节点或插件是通过跳过采样步骤或者层数来加速的，和加速lora混用会造成质量损失太大，基本没了用武之地。
4、普通不加加速lora的情况下，480p，20step还非常模糊，用了加速lora，6步就很清晰了，但还有些错误出现，最好是12步采样，基本就很好了。480p我的4070tis不到2分钟一个5秒，4分多一点一个10秒的。
5、模型对中文提示词理解能力非常优秀，但是必须按照官方要求，把那几个块都填充满，尽量写详细动作，方位，那么遵循度会非常的高。
6、采样器个人测试中，觉得欧拉比官方推荐的那个要好。

64G，3080 20G，推荐用哪个版本呀

5080-16g+32g内存，有办法跑吗？

你是卖硬件的？

加速lora这些去哪里下载啊

24显存48内存玩起来压力大吗

1.楼主的经验是比较客观中肯的，从模型大小就可以估算出理想运行状态需要的硬件配置。
2.另外不得不说comfyui自更新支持int8之后，对内存管理做了相当好的优化，实际在使用中会发现，模型是分片加载的，所以大家会发现H3这种体量的模型竟能在相对低的配置下跑起来。
3.硬盘读写的情况也没有那么恶劣，需要注意的是散热（尤其是笔电）
4.目前实测对质量影响最小的加速方式只有sage注意力，其它都是明显有损。加速lora目前已有支持剪枝版模型的，使用加速lora时，采样方式推荐euler，步数最好8-12步。

内存屯了多少？

内存不够的话，系统里虚拟内存开到64g也可以，现在内存价格太高了没动力升级内存

32g内存把sage和ComfyUI-MiniMaxH3-Cache挂上，736p能做到180秒出视频，比跑图也就多一倍时间吧，对硬盘损耗比较小，所以显卡才是最重要的

没毛病 ， 现在内存占用基本在65-75G

没毛病，以前都是必须显存，现在只要大内存3060和5090一个品质就是速度差的比较多而已。觉得内存贵的可以不买，去年搞了2tb d4的epyc，和512gb的d5 线程撕裂者，只能说从moe模型和ktransformers出来，就可以遇见内存只会越来越重要，后进多花钱没有一点办法。

服务器上 80G A100 推荐怎么玩，以前没接触过这一块

我用int8的20G那个模型，vae也用kij新出的实验int8来降低需求，32内存的先老老实实玩个0.2，0.3分辨率的，这样读写可以接受，注意读写的时候固态温度别太高了。过高了就要降低一下时长，让读写别那么厉害。
刚实际开diskinfo测试：T2V，8+32配置，使用20g那个int8 pruned模型，fp4的clip，加速lora，实验性int8的vae。
0.3分辨率是480X640，0.2就是384X544
分辨率是0.3，时长8秒，在不改提示词的情况下，跑一次要写入1到2G。分辨率0.2，8秒也是写入1到2G左右。
分辨率0.3，时长5秒，在不改提示词的情况下，跑一次写入不到1G。分辨率0.2，5秒，几乎没什么写入。
最后测了一个0.3分辨率10秒，写入也是1到2G左右。
每次改变提示词会多增加一些写入。
对低配置电脑，选择自己合适的分辨率和时长很重要，看自己能接受的情况改。

但是我这边为什么生出来的人脸非常模糊啊？720p也救不了