到这里，MiniMax H3 的量化权重、三种官方工作流和 systemd 常驻已经形成一个完整基线。先保留这个原生注意力基线，再安装加速组件，才能判断加速是否真实有效，也能在发生问题时快速回退。MiniMax H3 接入 SageAttention。

Qwen3.8-27B 发布后，我第一时间在现有双 GPU 服务器上重新搭了一套独立环境。这次没有沿用旧模型的 Python 环境，也没有只记录一条“能启动”的命令。我把模型下载、CUDA 版本、vLLM、systemd、API 鉴权、128K 长上下文和 MTP 都实际走了一遍。本文所有用户名、IP 和密钥都使用<USER><API_KEY>占位符。执行前必须替换为自己的值。