MiniMax H3 第三條路：先租 GPU，還是該買 RTX 5090？

- 買設備、買點數之外，先租一台用完就下班的 GPU 電腦 -

最近我一直在糾結一個問題：

如果接下來要認真玩 AI 生成影片，我到底要不要買一台地端設備？

原因很簡單。

最近開始研究 MiniMax H3、ComfyUI 這類開源影片生成模型，越研究越覺得有趣。尤其模型開放之後，除了生成影片，也可以自己控制 ComfyUI Workflow、安裝節點、替換模型、調整參數，甚至進一步交給 Codex 這種 AI Coding Agent 自動操作。

問題也跟著來了：硬體怎麼辦？

以我參考的 H3 實測來看，單張 RTX 5090 就能跑起來。聽起來很好，直到查了一下 RTX 5090 的價格……

嗯。

冷靜。

我只是想生成影片，不是準備開礦場。

後來我才發現，這不一定是「買硬體」和「買平台點數」的二選一。中間還有一條路：租一台需要時才開機的 GPU 電腦。

為什麼想玩 MiniMax H3，卻先卡在硬體？

開源影片模型最吸引人的地方，是自由度突然變高：

• 可以修改 ComfyUI Workflow。
• 可以選擇不同模型、量化版本與節點。
• 可以讀取完整 Log，自己找出錯誤原因。
• 可以把生成流程串進腳本、API 或 Agent 工作流。

但自由度通常也代表環境管理成本。CUDA、PyTorch、顯示卡記憶體、模型檔案、Custom Nodes，每一項都可能成為新的排錯題目。

所以真正要比較的，不只是「哪裡生成一支影片最便宜」，而是：

我需要的是一個幫我生成影片的服務，還是一台可以由我自己控制的 AI 工作站？

第一條路：自己買 RTX 5090，換取完整控制權

自己買一台足夠強的電腦，安裝 RTX 5090，再架起 ComfyUI，當然是最自由的方案。

模型放在自己的機器裡，Workflow 自己改，Custom Nodes 想裝多少就裝多少，也不用擔心平台哪一天把某個模型或節點移除。若未來想做：

1

Codex → ComfyUI → MiniMax H3 → 自動生成影片

地端設備的控制權確實最高。

買設備真正貴的，不只有顯示卡

一張 RTX 5090 還需要足以餵飽它的 CPU、主機板、電源、散熱、記憶體與儲存空間。整套設備的前期成本，很快就不是「買張顯卡玩玩看」的等級。

而且還有一個容易被忽略的問題：你花十幾萬買設備，不代表每天都在生成影片。

可能今天研究 H3 三小時，明天忙著上課，接下來三天根本沒碰。GPU 就坐在那裡發呆，但設備的折舊、電力、維護與佔用空間仍然存在。

如果生成需求已經穩定、每天都會使用，這些固定成本可以被大量工作攤平；如果還在探索階段，買設備就未必是最合理的第一步。

第二條路：使用 LiblibAI，省下環境管理成本

我前陣子一直在看 LiblibAI（有些人也會叫它 LibTV）。這種平台最大的優點只有一句話：真的很方便。

不用處理 CUDA，不用自己安裝 PyTorch，不用管理顯示卡記憶體，也不用先下載幾十 GB 的模型。通常只要購買點數、選擇模型、上傳圖片、輸入 Prompt，就可以開始生成。

對一般使用者來說，我仍然很推薦這條路。平台把底層 GPU、模型部署與大部分環境問題包起來，學習成本低很多；如果目標只是「幫我生成一支 H3 影片」，這樣的抽象化非常舒服。

但平台服務和自己的工作站是兩件事

LiblibAI 的取捨也很明確：

• 平台提供什麼模型，基本上就從什麼模型裡選。
• Workflow、Custom Nodes 與參數能改到什麼程度，取決於平台開放的範圍。
• Log、依賴套件與底層錯誤不一定能完整取得。
• 如果想讓 Codex 自己安裝節點、修改 Workflow、讀 Log、修錯誤再重跑，會受到平台介面與 API 能力限制。

因此，LiblibAI 比較像是租用一個「AI 影片服務」；你得到的是快速產出，而不是一台完整可控的 GPU 電腦。

第三條路：租用雲端 GPU，保留 ComfyUI 的自由度

我看到一篇 MiniMax H3 的實測文章後，才意識到原來還有第三種做法：不買 RTX 5090，而是直接租一張。

作者使用 RunPod 開啟 RTX 5090 GPU 主機，掛上 ComfyUI Template，自己下載 MiniMax H3、安裝節點、查看 Log；用完後直接 Terminate。文章記錄的整個上午帳單是 US$2.07。

RunPod 公開頁面在本文整理時顯示的 RTX 5090 價格約為 US$0.99／小時、32GB VRAM。價格、庫存、區域與方案都可能變動，實際使用時仍應以當下頁面為準。

這種模式的核心概念是：

1
2
3
4

今天要研究 H3 → 開一台 GPU
研究三小時 → 依實際使用時間付費
Workflow 跑完 → 關機或 Terminate
明天沒工作 → 不啟動，就不支付 GPU 運算時間

你仍然要自己處理 ComfyUI、模型、節點與 Workflow，但也因此保留了足夠的控制權。對想把 Codex 接進流程的人來說，這更接近「租一台遠端工作站」，而不是使用一個封裝好的生成按鈕。

買硬體、買點數、租 GPU：差異在哪裡？

這張表最重要的差異，不是誰的單價最低，而是「你租到什麼」。

LiblibAI 是租 AI 影片服務。

RunPod 或 Vast.ai 是租 GPU 電腦。

RunPod、Vast.ai、SaladCloud，應該怎麼看？

RunPod：先把環境與 Workflow 玩熟

如果是第一次從平台生成服務轉向自建 ComfyUI，我會先選 RunPod。原因不是它一定最便宜，而是比較符合「開一台機器，自己安裝、自己觀察、自己排錯」的學習方式。

適合先完成這幾件事：

1. 確認 MiniMax H3 在目標 GPU 上能否穩定執行。
2. 把模型、Custom Nodes 與 ComfyUI Workflow 記錄下來。
3. 了解模型載入、生成、輸出與下載各階段的耗時。
4. 讓 Codex 能透過腳本或遠端指令執行固定流程。

Vast.ai：更像 GPU 版的 Airbnb

Vast.ai 的特色是 GPU Marketplace，價格會受到供需、主機狀態、地區與租用方式影響。RTX 5090、4090、A100、H100 等不同規格，都可能在市場上找到可租用的主機。

它的彈性與價格可能很吸引人，但選擇主機時需要更仔細檢查 VRAM、磁碟、網路、映像檔、持久化方式與實際可用性。

SaladCloud：價格低，但更適合標準化的容器工作負載

原文整理的公開資訊中，SaladCloud 的 Batch RTX 5090 價格約為 US$0.25～0.294／小時，比 RunPod 公開價格低很多。

不過，價格不能單獨拿來比較。SaladCloud 比較偏向 Container 化的工作負載，不一定適合第一次研究 ComfyUI 時，想登入一台機器慢慢安裝節點、看 Log、修改環境的情境。

我的順序會是：

1
2
3
4
5

先用 RunPod 熟悉環境
        ↓
再用 Vast.ai 比較不同 GPU 市場
        ↓
Workflow 與部署容器化後，再研究 SaladCloud

Codex、ComfyUI 與 H3，可以組成什麼工作流？

這件事情真正讓我興奮的，不只是省下幾美元，而是 GPU 運算可以和 Agent 工作流接在一起。

例如一支 60 秒影片，可以先由 Codex 協助拆解：

1
2
3
4
5
6
7
8
9
10
11
12
13

60 秒影片
  ↓
拆成 4 個 15 秒 Segment
  ↓
每個 Segment 包含 3 個 Shot
  ↓
MiniMax H3 生成 4 段影片
  ↓
FFmpeg 自動合併
  ↓
字幕／配音／BGM
  ↓
完成

在這個流程裡，Codex 可以負責規劃與執行腳本，ComfyUI 負責節點式生成，雲端 GPU 負責短時間的大量運算，最後再把影片抓回本機完成後製。

本機的 Mac 不需要一直負責暴力運算，只要負責指揮與驗收即可。

多鏡頭 Prompt：減少人力審片，不代表可以省略驗收

原文實測提到，作者原本以為 H3 的 15 秒長影片很容易自己亂切鏡，但在 Prompt 裡加入明確的時間與鏡頭標記後，模型曾按照指定時間切換鏡頭：

1
2
3
4
5
6
7
8

[Shot A] At 00:00.000
桌腳低角度，空鏡

[Shot B] At 00:05.000
切到整個房間的大遠景

[Shot C] At 00:10.000
切回桌腳特寫

這個結果很值得研究，因為它代表一支 15 秒影片不一定只能服務一個鏡頭。理論上，原本的：

1

5 秒 × 12 次生成

可能改成：

1

15 秒 × 4 次生成，每次包含 3 顆鏡頭

GPU 運算量不一定比較少，甚至可能更多；但人只需要先審 4 個 Segment，而不是 12 個短片段。

這裡仍要保留一個重要前提：時間標記是值得測試的 Prompt 策略，不代表每次生成都能完全照做。正式交付前，還是要檢查鏡頭切換、角色連貫性、動作與音畫同步。

用運算時間粗估 AI 影片的邊際成本

假設一支 15 秒影片的生成時間約 5 分鐘，RunPod GPU 價格以 US$0.99／小時粗估：

1
2
3

5 分鐘 ÷ 60 × US$0.99
≈ US$0.0825
≈ US$0.08

也就是說，在「GPU 持續運算、只計算 GPU 時間」的理論模型裡，一小時大約可以跑 12 支 15 秒影片，一支影片的 GPU 運算成本約為 US$0.08。

若用原文整理的 SaladCloud Batch 價格區間估算：

1
2

5 分鐘 ÷ 60 × US$0.25～0.294
≈ US$0.021～0.0245

但這些都不是完整製作成本，至少還要納入：

• 啟動主機與載入模型的時間。
• Prompt 測試與失敗重跑。
• 模型下載、磁碟與持久化儲存。
• 上傳、下載與網路流量。
• GPU 閒置但仍在計費的時間。
• 人工審片、剪輯、字幕、配音與配樂。

這個粗估的價值，不是宣稱每支影片只要幾美分，而是讓人看見：當 Workflow 固定下來後，真正需要優化的可能是「讓 GPU 不要等待」以及「讓人不要陪著 GPU 等待」。

三種方案，分別適合什麼人？

完全不想碰技術：選 LiblibAI

如果只想快速生成內容，不想處理 CUDA、模型、節點和環境依賴，LiblibAI 這類平台會是最省時間的選擇。你付費購買的是便利性與整合好的生成服務。

每天大量生成，而且需求已經穩定：計算是否值得買地端

如果每天都要生成、Workflow 長期固定，而且設備會持續使用，地端 RTX 5090 才有機會透過高使用率攤平前期成本。這時候還要把電力、維護、升級與設備折舊納入計算。

想玩最新開源模型，又想讓 Codex 控制流程：先租 GPU

如果和我一樣，想自己改 ComfyUI、安裝節點、替換模型、讀 Log，也不想一開始就投入十幾萬買設備，RunPod 會是一個合理的起點。

等 Workflow、Prompt、模型版本與部署方式都穩定後，再比較 Vast.ai 或 SaladCloud，甚至重新計算是否值得購買地端設備。

我的結論：先租 GPU，再決定要不要買設備

我現在對這三條路的理解很簡單：

• LiblibAI：租用 AI 影片服務，最省環境管理時間。
• RunPod／Vast.ai：租用 GPU 電腦，保留 ComfyUI 與 Workflow 的控制權。
• 地端 RTX 5090：購買長期使用的 AI 工作站，固定成本高但自由度最高。

所以，如果只是偶爾研究模型，我不會急著買 RTX 5090。我會先租 GPU，把完整工作流跑通，並記錄實際的 GPU 使用時間、模型載入時間、失敗重跑比例、儲存費與人工審片時間。

半年後如果真的每天大量生成，再用這些真實數據回頭計算買設備是否划算；如果新模型需要更大的 VRAM，也可以直接更換租用的 GPU，不需要賣二手顯卡、升級電源、換主機板或處理散熱。

我最喜歡這個模式的地方是：把昂貴的 GPU，變成需要時才叫來上班的臨時 AI 員工。

當 ComfyUI Workflow、Prompt、模型與 Codex 自動化都整理好之後，AI 影片製作就不再只是「使用一個 AI 工具」，而可能變成一條可以由 Agent 自動執行的生產線。

真正值得期待的，也許不只是生成一支影片便宜多少，而是 GPU 可以自己跑，人不用陪它跑。

延伸閱讀

• Qwen-Image-Edit 入門教學：不用安裝也能輕鬆玩轉 AI 圖像編輯：先從線上工具理解模型與 ComfyUI 的差異。
• AI 工具名詞全解析：一次搞懂 MCP、Skill 與 CLI 的差異與應用場景：理解 AI Agent 如何透過不同工具執行工作。

參考資料與價格提醒

• MiniMax H3 第三條路｜原文實測
• RunPod｜RTX 5090 GPU
• LiblibAI｜AI 生成／ComfyUI 平台
• Vast.ai｜GPU Marketplace
• SaladCloud｜Container／GPU 運算

本文中的價格、GPU 規格、生成時間與成本試算，都是根據提供的原文實測與公開頁面資訊整理。雲端 GPU 價格、庫存、方案、儲存與流量費用會隨時間和使用條件變動，實際使用前請以各平台當下公告為準。

常見問答 (FAQ)

Q1：想玩 MiniMax H3，一定要先買 RTX 5090 嗎？

不一定。如果目前仍在研究模型、測試 Workflow，或每週只使用幾個小時，可以先租用雲端 GPU；只有在生成量穩定、長期高使用率時，才值得進一步計算購買地端設備的回本時間。

Q2：LiblibAI 和 RunPod 的本質差異是什麼？

LiblibAI 比較像租用整合好的 AI 影片服務；RunPod 則比較像租用一台 GPU 電腦。前者省去環境管理，後者保留 ComfyUI、模型、節點與 Log 的較高控制權。

Q3：租用雲端 GPU 後，就完全不需要處理技術設定了嗎？

不是。租用 GPU 可以省下購買與維護實體硬體，但你通常仍要處理 ComfyUI、模型下載、Custom Nodes、Workflow、依賴套件、儲存空間與錯誤排查。它的難度低於自行購買整台工作站，但高於直接使用點數平台。

Q4：一支 15 秒影片約 US$0.08，是否就是完整製作成本？

不是。US$0.08 只是以 5 分鐘生成時間和 US$0.99／小時 GPU 價格計算的純運算時間粗估，尚未包含模型載入、失敗重跑、儲存、網路流量、GPU 閒置與人工後製成本。

Q5：為什麼把 60 秒影片拆成 4 段 15 秒，而不是生成 12 段 5 秒？

在某些能理解時間與鏡頭標記的模型中，15 秒片段可以嘗試包含多個 Shot，讓人先審 4 個 Segment，而不是 12 個短片段。這可能降低人工審片數量，但不保證運算量更少，也仍需要檢查鏡頭切換與內容連貫性。