字节笔记本
2026年10月21日 · 约 14 分钟读完
把 MiniMax H3 装进 Colab：96GB 显存的云端 AI 视频工作站
以前想在自己电脑上部署 AI 视频生成模型，最头疼的就是显卡。
模型动辄几十 GB，普通电脑显存不够，买专业显卡又太贵。好不容易折腾好环境，生成几秒视频还得等上半天。
最近发现一个很有意思的玩法：
把 MiniMax H3 部署到 Google Colab，再通过 Claude Code 或 Codex 远程控制，让 AI 帮你生成视频。
尤其是已经订阅 Google AI Ultra 的朋友，手里的 Colab 计算额度终于有了一个非常值得折腾的用途。
一台普通 Mac，就能连接云端 96GB 显存的 GPU。
你负责描述想要的画面，云端负责计算，AI Agent 负责执行。以后做短视频、产品宣传片、创意动画，都可以在这套工作站里完成。
而且整个部署过程，已经有开源项目帮我们铺好了路。
一、先看看，这套组合有多强
MiniMax 在今年开放了 H3 模型权重。
这是一个很有意思的视频生成模型：这次开源的 H3-Base 有 33B 参数，支持文生视频、图生视频，还能同时生成画面和原生立体声音频。
它可以生成 4～15 秒视频，默认输出短边 768 像素、24 FPS，支持 21:9、16:9、4:3、1:1、9:16 等多种画幅。
想象一下：
你输入一段文字，描述雨夜的东京街头、霓虹灯、行人和汽车驶过的声音，模型就能尝试把这段场景变成一条有声音的视频。
更让人兴奋的是，我们现在可以借助 Google Colab 的 GPU 运行它。
Colab 新提供的 G4 档位，用的是 NVIDIA RTX PRO 6000 Blackwell Server Edition，96GB GDDR7 显存，峰值算力 960 BF16 TFLOPs。
96GB 是什么概念？
很多普通消费级显卡只有 8GB、12GB 或 16GB 显存。视频生成模型对显存的要求尤其高，大显存可以为模型权重、视频帧和中间计算留下更多空间。
现在，你可以把这些复杂的计算全部放到云端，让自己的 Mac 当遥控器。
当然，G4 能否分配取决于 Colab 实时资源，Google AI Ultra 的计算额度也不是无限使用。
二、部署其实很简单，打开一个 Notebook 就行
这里分享一个现成的开源项目：
GitHub：keboqi/minimax-h3
这是一个目前还很小型的社区仓库，但 Colab 部署这条链路是完整的：作者准备好了现成的部署 Notebook，用 Python 3.12 加 uv 自动配置隔离环境，匹配固定的 PyTorch 与 CUDA 13 组合，模型文件按需下载，不用手动搬运权重。
直接打开：
整个过程可以分成五步。
第一步：选择 G4 显卡。
使用自己的 Google 账号登录 Colab。
打开 Notebook 后，在顶部找到：
「代码执行程序」→「更改运行时类型」
选择 G4 GPU，保存并连接。
如果当前没有 G4，需要等 Colab 资源恢复，或者改用其他兼容方案。
第二步：运行硬件检测。
Notebook 的第一个单元格会检查 GPU 和系统资源。
确认分配到的显卡为 RTX PRO 6000 Blackwell，显存约 96GB，再继续往下执行。
这样可以避免环境装了半天，才发现自己连到了一张不合适的显卡。
第三步：自动安装环境。
接着按照 Notebook 中的顺序运行安装单元格。
项目会准备 Python、PyTorch、ComfyUI 等运行环境，并配置模型需要的依赖。
第一次启动需要下载和安装相关组件，时间取决于网络和 Colab 环境。
后续模型文件会根据需要自动下载，省去了手动寻找和摆放多个权重文件的麻烦。
第四步：启动视频生成界面。
完成安装后，运行 Notebook 中的启动单元格。
项目会启动一个 Gradio 界面，默认通过 Cloudflare Tunnel 生成临时公网链接打开，ComfyUI 也会代理在同一个地址下。
进去之后，就可以填写提示词、选择生成参数，然后提交任务。
这里建议第一次先尝试短视频，使用默认推荐配置，确认整套流程可以正常输出。
第五步：生成视频并保存。
例如输入：
电影质感的东京雨夜，一名穿着黑色风衣的年轻人站在霓虹灯下，雨水沿着透明雨伞滑落。摄影机缓慢推进，远处汽车驶过，伴随着雨声和城市环境音。16:9，5 秒。
提交生成任务，等待模型完成推理。
最后查看生成的视频与音频结果，确认正常后下载 MP4。
项目还支持挂载 Google Drive 保存输出。Colab 的运行环境是临时的，重要文件一定要及时保存，避免断开连接后丢失。
到这里，你就拥有了一套可以使用的云端 AI 视频生成环境。
三、真正好玩的地方：把 Claude Code 也接进来
如果只是在 Colab 网页里运行代码，这套方案已经很有价值了。
但我更期待另一种玩法：
让 Claude Code 或其他兼容的 AI Agent 直接操作 Colab。
Google 已经开源了官方项目 colab-mcp（googlecolab 组织出品，Apache-2.0 协议，目前约 1.3k 星）：
GitHub：googlecolab/colab-mcp
它是一个 MCP 服务器，可以把本地 AI Agent 和浏览器里的 Colab 会话连接起来。
你在 Mac 上安装 MCP 服务，然后通过浏览器授权连接，Agent 就可以调用相关工具操作 Notebook。
如果已经安装 uv，可以在本地终端运行：
uv tool install --with socksio --force git+https://github.com/googlecolab/colab-mcp
这里额外加入 socksio，是为了兼容某些使用 SOCKS 代理的本地环境。官方 README 里也给了 uvx 直接运行的配置写法，效果等价。
随后在 Claude Code 中添加 MCP 服务：
claude mcp add colab-mcp --scope user -- "$(which colab-mcp)"
重新启动 Claude Code，让 MCP 工具生效。
首次使用时，按照工具提示打开 Colab 页面，并允许浏览器建立连接。
注意，Colab MCP 需要客户端支持动态工具更新（tools/list_changed 通知），Claude Code、Gemini CLI、Windsurf 都在支持列表里，具体以官方文档为准。
连接成功后，我们就可以尝试直接向 Claude Code 下达任务：
帮我连接 Google Colab，检查当前 G4 GPU 的显存和系统资源，打开 MiniMax H3 Notebook，按顺序检查部署环境。确认模型文件和依赖准备完成后，使用我给出的提示词生成一条 5 秒的视频。遇到收费运行时选择、异常下载或其他需要授权的操作，先提醒我确认。生成完成后保存 MP4，并告诉我文件位置。
这一套流程里，Claude Code 相当于管理员，Colab 负责提供算力，MiniMax H3 负责生成内容。
Agent 还可以帮助检查日志、定位报错、整理输出文件，让整个过程更加顺畅。
要注意，GPU 运行时选择仍需由用户在 Colab 中确认。MCP 也不意味着任何客户端都已经实现了完全无人值守的视频生成。
四、1000 CCU，到底能做多少视频？
这可能是很多人最关心的事情。
Google AI Ultra 的部分订阅档位提供每月 1000 CCU 的 Colab 计算额度。
按社区目前实测的口径，G4 的消耗速率约为每小时 6.71 CCU，那么：
1000 ÷ 6.71 ≈ 149 小时。
也就是说，理论上拥有一百多个小时的 G4 运行时间。
但这里的 149 小时，是按当前费率计算出来的运行时长，并不等于 149 小时都在出片。费率本身也可能调整，以 Colab 运行时页面实时显示为准。
安装环境、加载模型、等待任务，以及运行时处于空闲状态，都可能持续消耗计算额度。
实际能生成多少条视频，还要看分辨率、时长、采样参数和推理速度。
所以我非常建议大家养成三个习惯：
第一，模型和运行环境准备完成后，再开始正式生成。
第二，先用短视频、小批量测试工作流，确认效果后再增加分辨率和时长。
第三，不用 GPU 的时候，及时断开 Colab 运行时。
能把计算额度用在真正的生成任务上，才算发挥了这套云端算力的价值。
五、这套工作站还能继续升级
目前我们实现的只是第一步。
我觉得未来最有想象力的场景，是把它进一步做成自己的 AI 视频生产系统。
你只需要提供一个主题。
Agent 自动把主题整理成分镜脚本，为每个镜头生成提示词，再依次调用 MiniMax H3 生成视频。
完成之后，自动下载素材、整理镜头顺序，甚至交给 FFmpeg 拼接和添加字幕。
每一个环节都可以变成独立任务。
以后想做一个 30 秒的产品广告，可以拆成六个 5 秒镜头。
想制作 AI 科普视频，可以让 Agent 先生成脚本，再自动准备镜头描述。
想批量测试不同提示词，也可以建立一个任务队列，逐条生成、保存和比较。
真正值得期待的，是 AI 开始帮我们管理整个视频生产过程。
当然，目前开源的 H3-Base 与官方完整托管服务存在能力差异，官方 2K 增强流程中的部分模块（H3-Regenerate-2K 和提示预处理模块 H3-Context-IR）没有随权重开放。单张 G4 的生成质量、速度和稳定性也需要按照实际部署环境测试。
另外，MiniMax H3 使用专门的社区许可证，开源权重的许可范围排除了美国、欧盟、英国和韩国等地区。在这些地区部署或使用权重，需要先取得相应授权。其他地区使用时也应遵守许可证及商业条款。
最后
以前想体验这样的 AI 视频算力，需要先考虑购买一张多贵的显卡。
现在我们可以从另一条路出发：
一台 Mac，一个 Google Colab，一套 MiniMax H3，再加上 Claude Code。
云端负责运行模型，本地负责交互，Agent 帮我们完成越来越多的重复工作。
对已经订阅 Google AI Ultra 的朋友来说，这也是一个相当有吸引力的计算额度使用方向。
以后个人做 AI 视频，拼的可能就是谁能把模型、算力和 Agent 更好地组合起来。
这套方案我最看重的，就是让普通创作者也有机会搭建属于自己的 AI 视频工作站。
相关项目：
- MiniMax H3 模型：huggingface.co/MiniMaxAI/MiniMax-H3
- Colab 一键部署：minimax_h3_colab.ipynb
- Colab 部署源码：github.com/keboqi/minimax-h3
- Google 官方 Colab MCP：github.com/googlecolab/colab-mcp
建议收藏，有 Google AI Ultra 的朋友可以按照流程亲手试试。
说明：本文以可复现的社区 Notebook 和官方 MCP 为主线，部署步骤均有公开项目文档支持，没有虚构亲自跑出的生成时间或视频效果。MiniMax H3 的规格与许可证、Colab G4 档位与费率、colab-mcp 的配置方式，均已对照 GitHub、Hugging Face 与 Colab 官方渠道核查。
