NEUVY-FUSION-T2I-v1
компактный гибрид FLUX.1-dev и MiniMax-H3-Image
2 min readupdated
Эта модель генерирует изображения по текстовому описанию всего за 6 шагов, объединяя наработки сразу двух крупных систем: FLUX.1-dev и MiniMax-H3-Image. Разработчики из neurarank создали её с помощью дистилляции знаний (переноса навыков от больших «учителей» к компактной модели) на базе собственной архитектуры NeuvyFusionDiTModel. Выложенная версия представляет собой лёгкий прототип (POC) весом 639 МБ и объёмом 167,6 млн параметров, который запускается даже на CPU без подгрузки исходных тяжёлых моделей. Подойдёт исследователям и разработчикам, которым нужен быстрый автономный генератор картинок с поддержкой мультиязычных промптов.
Ключевые особенности
- Генерация за 6 шагов: от MiniMax-H3-Image модель получила декодер прогрессивной дистилляции (PDD) с шестью головами предсказания и планировщик NeuvyPDDFlowScheduler.
- Понимание сложных и мультиязычных запросов: кросс-внимание настроено под 5120-мерные представления из Qwen3-VL, заявлена поддержка английского, китайского и вьетнамского языков.
- Архитектура и чёткость от FLUX.1-dev: используются совместные потоки MMDiT, 16-канальный AutoencoderKL и модуляция guidance для точного следования промпту и проработки типографики.
- Небольшой размер: файл весов
model.safetensorsзанимает 639,46 МБ (167,6M параметров в текущей POC-версии), поддерживаются форматы Float32 и BFloat16.
Что можно сделать
- Протестировать быструю локальную генерацию изображений в 6 шагов на слабом железе или CPU без зависимости от тяжёлых чекпоинтов FLUX и MiniMax.
- Изучить архитектуру слияния двух разных диффузионных моделей (Teacher-Student дистилляция с объединением слоёв) в собственных R&D-проектах.
- Поэкспериментировать с мультиязычными промптами (на английском, китайском и вьетнамском) и проверкой отрисовки текста на изображениях.
Пример
import sys
sys.path.insert(0, "./NEUVY-FUSION-T2I-v1")
from pipeline_neuvy_fusion import NeuvyFusionPipeline
pipe = NeuvyFusionPipeline.from_pretrained("./NEUVY-FUSION-T2I-v1", device="cpu")
image = pipe.generate(
prompt="A cinematic photorealistic portrait of an astronaut exploring a glowing alien forest",
height=512, width=512, num_inference_steps=6, guidance_scale=3.5, seed=42
)
image.save("astronaut.png")
Подробнее
Параметры: 167 628 224 (проверенная POC-версия; полная облачная спецификация заявлена на 3.8B).Настройки по умолчанию: разрешение 512×512, 6 шагов инференса, guidance_scale 3.5.
Ограничения: строго некоммерческое исследовательское использование; родительская лицензия MiniMax-H3-Image исключает применение в США, ЕС, Великобритании и Южной Корее.










Comments