至顶AI实验室使用联想 ThinkStation PGX 本地部署 MiniMax H3，完成了一条包含12个镜头、时长约30秒的科幻短片。测试记录显示，生成一段5秒、480P视频需要约5—6分钟。本地方案省去了按次支付的云端生成费用，适合需要反复调整镜头、能够接受分钟级等待的创作团队。
整条短片累计生成二十几次，平均每个镜头约尝试2次，最多的一个镜头尝试了4次。这个过程，也让我们能够从一次完整创作中观察本地视频生成的实际价值，包括镜头控制、反复试错、生成速度和团队使用方式。
评测机构：至顶AI实验室
测评时间：2026年11月
评测产品：联想 ThinkStation PGX
主要参数：NVIDIA GB10 Grace Blackwell超级芯片、128GB统一内存
为什么要把视频模型搬到本地？
AI视频的费用容易被成片时长低估。观众看到的是几十秒内容，创作者支付的却是全部生成尝试，包括最终被放弃的镜头。
人物表情不对、动作衔接生硬、运镜偏离预期，都可能导致一段素材需要重做。即使参考图和提示词已经确定，同一个镜头仍然可能经历多次生成，这就是创作者常说的“抽卡”。
本次短片分为12个镜头，累计抽卡二十几次。按照每个镜头约2次尝试计算，制作团队需要检查的候选素材数量，大约是最终镜头数量的两倍。
因此，我们希望验证一个具体问题。将模型部署在自己的设备上之后，能否持续生成候选镜头，并完成一条有统一人物、场景和视觉风格的短片？硬件投入、生成等待和反复修改，也需要放进同一套工作流程里评估。
测试环境与方法
本次使用联想 ThinkStation PGX，搭载 NVIDIA GB10 Grace Blackwell超级芯片，拥有128GB统一内存，CPU与GPU共享同一个内存池。
按照脚本中的模型配置介绍，MiniMax H3主模型为33B参数，还需要配合32B文本编码器，以及视频、音频解码器和放大模型。完整工作流的资源需求，需要把这些组件共同考虑。
|
|
|
|---|---|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
配置与模型信息来源于所提供的测试脚本。
128GB统一内存提供了较大的共享容量，适合承载包含多个组件的视频生成流程。不过，容量能否满足特定配置，还取决于模型精度、中间数据和加载策略。本次记录没有给出峰值内存占用，选型时仍需结合实际工作流验证。
用一条完整短片，检查模型是否能支撑连续创作
本次测试围绕同一条科幻短片展开。先准备统一的人物与场景参考图，再按镜头需要选择多图参考或首尾帧控制，生成后检查画面，不满意则调整提示词、参考素材或重新生成。
评估主要关注三个方面。不同机位下的人物形象能否延续，首尾画面之间的动作是否自然，以及获得可用镜头需要多少次尝试、多少等待时间。
这是一轮完整项目的创作记录。现有数据能够反映这条短片的制作过程，生成耗时也需要放在5秒、480P这一规格下理解。
部署与素材准备
ComfyUI连接模型组件，参考图统一人物与场景
部署时，我们在PGX上安装ComfyUI，调用脚本所述的H3官方工作流模板，下载模型及配套组件，再进入镜头制作。
工作流搭好之后，第一项创作准备是整理参考素材。人物长相、服装、星门造型与整体光线，都从同一套参考图中延续。这样，不同镜头能够围绕相同的视觉设定展开。
这一步会影响后续抽卡效率。如果各张参考图的人物特征或光线方向本身存在明显差异，生成结果就更难保持统一。对于多镜头项目，前期整理素材，也是控制返工量的一部分。
本次使用的操作系统、驱动、ComfyUI版本、模型精度与工作流参数尚未在脚本中列出，复现前需要补齐。
镜头控制实测
多图参考用于人物近景，重点检查换机位后的形象延续
人物近景和侧脸镜头采用多图参考，将人物形象与构图要求一起交给模型。检查重点是换机位之后，面部特征、服装和场景关系能否保持连贯。
这类任务直接关系到素材能否剪在一起。一段单独观看成立的画面，如果和前后镜头中的人物差异明显，仍然需要重做。
本次围绕统一参考素材完成了12个镜头的创作。不过，脚本没有逐镜头的一致性评分和失败分类，现有记录更适合说明工作流已经用于完整短片制作，尚不足以量化多图参考的成功率。
首尾帧控制明确动作方向，中间过程仍需逐段筛选
对于起点和终点明确的镜头，本次采用首尾帧控制。例如星门从熄灭到亮起，或者主角从低头看通讯器转向抬头望向星门。
确定前后两张图片后，由模型生成中间变化。检查时既要看首尾画面是否衔接，也要看人物有没有变形、动作是否自然，以及场景结构是否在过程中发生异常变化。
测试记录显示，部分镜头需要重新生成，并进一步调整参考图或提示词。首尾帧给创作提供了明确约束，中间动作的可用性仍需要人工检查。这部分筛选工作，也构成了本次二十几次抽卡的实际来源。
生成效率实测
5秒480P视频耗时约5—6分钟，最多一个镜头重试4次
在本次PGX配置与工作流下，生成一段5秒、480P视频需要约5—6分钟。最终约30秒的短片包含12个镜头，累计抽卡二十几次，平均每个镜头约2次，最多尝试4次。
|
|
|
|---|---|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
以上为脚本记录的结果，未提供逐次运行日志。
换算来看，5秒素材需要等待约300—360秒，生成耗时约为素材时长的60—72倍。对于能够排队执行、分批检查结果的创作任务，这样的节奏可以纳入工作安排。
等待也会随抽卡次数累积。假设24次生成全部采用相同规格，并且串行执行，按每次5—6分钟估算，生成环节约需120—144分钟。这是根据现有数据推算的时间，尚需另外考虑素材准备、调整、筛选和剪辑。
成本核算
本地省去按次云端费用，电费与硬件投入仍需计入
标题中的“成本几乎为零”，需要明确计算口径。模型在本地运行后，每次重新生成都可以省去相应的云端生成账单，但每次运行仍然消耗电力、占用设备和制作时间。
以脚本引用的每秒1.5元作为假设计费口径，一段5秒视频对应7.5元。若12个镜头各尝试2次，共生成24段，则候选素材合计120秒，对应180元。
|
|
|
|
|---|---|---|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
云端金额为假设口径下的算例，未核验实时价格，也未进行同规格、同画质服务比价。
180元对应的是24段候选素材的生成费用。它说明抽卡次数如何影响账单，也解释了高频创作者为什么会考虑本地部署。
设备是否划算，还取决于使用频率。持续生成大量素材的团队，可以把硬件投入分摊到更多任务中。低频使用者则需要承担设备闲置期间的成本。本次没有提供PGX采购价、整机功耗和长期任务量，因此回本周期尚无法计算。
团队协作与适用场景
局域网网页入口，让同一台设备服务多个创作岗位
脚本记录了通过局域网访问ComfyUI的使用方式。团队成员可以在自己的电脑上打开网页，提交生成任务、查看结果，围绕同一台PGX开展分镜、生成和剪辑协作。
这有助于集中管理模型环境与工作流，也方便团队复用已有素材。但多人能够访问网页，与多人任务同时高效运行，是两项不同指标。本次没有提供并发吞吐量和多人排队测试结果，团队规模扩大后，需要进一步观察任务等待情况。
本地处理也减少了向外部生成服务上传参考素材的需求，适合涉及未发布产品、剧本和角色设定的项目。素材管理仍需要结合工作流中的插件、外部接口和文件共享方式进行确认。
高频抽卡、分镜预演与创意样片，是更直接的应用方向
对于AI漫剧和短剧团队，本地设备可以持续承担候选镜头生成，适合围绕同一人物与场景反复调整。
对于电商和广告团队，商品展示、构图探索和创意版本测试也有类似需求。能否进入正式交付，还需要检查产品细节、人物表现和输出规格是否满足项目要求。
影视与动画团队则可以利用这类流程制作分镜预演和创意样片。此次验证的数据集中在480P短片制作，高清交付速度、复杂镜头成功率和长期批量产出能力，还需要后续专项测试。
结论
至顶AI实验室此次使用ThinkStation PGX与MiniMax H3，完成了12个镜头、约30秒短片的本地制作，5秒480P视频生成耗时约5—6分钟。该方案适合高频试错、能接受分钟级等待的创作团队。相比按次计费的云端服务，本地生成省去了相应调用费用，但硬件、电力和时间仍构成成本，采购收益需要结合实际任务量核算。
