La verdad detrás del rendimiento de MiniMax H3 en una RTX 3090

El misterio del rendimiento: ¿Por qué mi RTX 3090 tarda más?

Todo comenzó cuando intenté replicar los tiempos de generación del nuevo modelo MiniMax H3 en ComfyUI. Al comparar mis resultados con un benchmark publicado en Reddit, la diferencia inicial fue alarmante: tardaba el doble que el usuario de referencia.

Punto de partida: Las sospechas iniciales

Al principio, asumí que el problema residía en mi elección del text encoder. Estaba usando qwen3vl_32b_minimax_h3_nvfp4_awq, mientras que el usuario de Reddit utilizaba la versión de 23B. Pensé que ese cambio de modelo podría ser el factor determinante.

Para verificar mis hipótesis, revisé los logs del arranque y las especificaciones de mi entorno: usaba una RTX 3090 con Windows 10, PyTorch 2.10.0+cu130, Sage Attention activado y flags como --use-sage-attention.

El experimento revelador

Luego de analizar el log del arranque en detalle, decidí realizar una serie de pruebas controladas para aislar las variables.

Primero, ejecuté el workflow con mi configuración habitual: una GPU bajo un underclock intensivo y usando Sage Attention. El resultado fue un tiempo total de 4 minutos y 12 segundos, lo que equivale a una velocidad de procesamiento de 12.64 segundos por iteración.

A continuación, decidí liberar la GPU de sus restricciones de energía y cambiar al Flash Attention. Esta modificación redujo el tiempo total a 3 minutos y 5 segundos (9.29 s/it).

Finalmente, volví a usar Sage Attention pero manteniendo la GPU completamente desbloqueada. El resultado fue sorprendente: el tiempo total bajó a 2 minutos y 19 segundos, con una velocidad de procesamiento de apenas 6.99 s/it.

Culpa del underclock y la atención Flash

Al comparar los datos, se hizo evidente que el mayor responsable de mi lentitud inicial fue el bajo rendimiento de mi GPU debido al underclock.

También descubrí algo interesante: en mi configuración específica, usar Flash Attention en lugar de Sage era más lento. Esto sugiere que Sage es mucho mejor adaptado para este modelo y hardware concreto.

Conclusión

Mi conclusión final es que no había un problema serio con mi instalación o el text encoder. La diferencia real estaba en cómo estaba limitando la tarjeta gráfica y qué algoritmo de atención utilizaba.

Ahora tengo una referencia fiable para mis futuras pruebas: RTX 3090 + workflow oficial + Sage Attention + GPU sin limitar. Esta configuración es lo suficientemente rápida como para superar el benchmark de Reddit, demostrando que la clave del rendimiento en IA está en optimizar el hardware y evitar limitaciones innecesarias.