核心报错摘要
plaintext
MemoryError
aimdo: xfer_file_read: worker failed
HostBuffer.read_file_slice failed
这是 aimdo（ComfyUI 新内存卸载后端）读取模型分片文件失败，发生在 MiniMaxH3 动态 VRAM 加载过程。
日志：
Model MiniMaxH3 prepared for dynamic VRAM loading. 19995MB Staged，模型已经分阶段卸载到磁盘，采样阶段需要从磁盘读取权重分片，读文件直接失败抛出 MemoryError。
根因分类（按概率排序）
- aimdo 磁盘内存卸载（Dynamic VRAM）BUG / 兼容性问题：MiniMax‑H3 大模型开启动态分块加载，aimdo worker 读取权重分片失败，不是传统 CUDA OOM，是文件 IO / 内存映射层报错。
- 模型文件损坏、下载不完整，大分片 offset 读取失败
offset=16500285728 size=67108864。 - 磁盘空间不足、硬盘掉速、SSD 过热、磁盘 IO 压力过高。
- Windows 便携版 python_embeded 下 aimdo 原生库兼容性缺陷。
- 系统虚拟内存不足，aimdo 需要大量宿主内存做文件缓冲区。
修复方案，按顺序尝试
方案 1：关闭 aimdo 动态 VRAM（最高效，优先试）
aimdo 是 ComfyUI 新版低显存卸载后端，MiniMaxH3 对此兼容性差。
启动 ComfyUI 时增加环境变量，禁用 aimdo：
bat
set COMFYUI_DISABLE_AIMDO=1
便携版修改 run_nvidia_gpu.bat，在文件最开头加入：
bat
@echo off
set COMFYUI_DISABLE_AIMDO=1
然后重启 ComfyUI。
设置后会回退到老版 model_management 卸载逻辑，不再出现
aimdo、HostBuffer.read_file_slice相关报错；代价是宿主内存占用会升高。
方案 2：校验 MiniMax‑H3 模型文件完整性
报错出现巨大文件偏移量读取失败，极有可能模型分片损坏：
- 核对模型文件大小、哈希；重新下载损坏的权重文件。
- 不要使用断点续传得到的不完整 bin/safetensors。
错误日志
offset=16500285728 size=67108864，程序尝试读取文件十几 GB 偏移位置，文件实际长度不够就直接 worker 失败。
方案 3：系统层面调整
- 检查磁盘剩余空间：模型分阶段 staged 会在磁盘生成临时缓存，至少预留 30‑40GB 空闲。
- Windows 虚拟内存调大：系统设置 → 高级系统设置 → 高级 → 性能设置 → 高级 → 虚拟内存，设置系统托管或者手动设置 32GB 以上。aimdo 需要大量主机内存做文件缓冲。
- 如果是机械硬盘，不要跑这个模型；必须 SSD。SSD 如果温度过高降速也会触发该 worker 失败。
方案 4：调整 ComfyUI 显存策略，关闭动态预取
如果不想禁用 aimdo，修改模型加载策略：
- 模型加载设置：不使用动态 VRAM 预取（prefetch），关闭
model_prefetch预取队列。 - 降低
gpu_split，调高 cpu 内存卸载比例；不要开 force preload。 日志可见Force pre‑loaded 210 weights，强制预加载部分权重，可以关掉这个选项。
方案 5：版本降级 / 更新
- 更新 ComfyUI 到最新版本，aimdo 库
comfy‑aimdo还在快速迭代，部分版本对超大模型有 bug。 - 如果更新后报错依旧，就固定使用
COMFYUI_DISABLE_AIMDO=1，避开 aimdo。
补充说明堆栈解读
虽然很长一长串采样 traceback，采样代码本身没有 bug。
真正的错误源头在最上方：
plaintext
MemoryError
aimdo: src/xfer-file.c:118:ERROR:xfer_file_read: worker failed
HostBuffer.read_file_slice failed
后面一大段采样、unet forward 栈，仅仅是上层调用栈，是报错发生时正在运行的代码，不是故障根源。
现象表现：模型初始化进度 0/20，卡住一分钟左右直接崩溃，就是 aimdo 后台 worker 线程读取磁盘权重分片失败。
快速验证
加上 COMFYUI_DISABLE_AIMDO=1 启动，如果不再报aimdo、HostBuffer.read_file_slice，确认就是 aimdo 组件和 MiniMax‑H3 不兼容。
如果设置后报真正 CUDA out‑of‑memory，那就是物理显存不够，需要进一步调低分辨率、开启更多 CPU 卸载。
