MiniMax-H3-Image-GGUF
генерация 16 МП за 6 шагов на домашних видеокартах
3 мин чтенияобновлено
Набор GGUF-квантований (сжатых версий весов для экономии видеопамяти) для модели MiniMax-H3-Image, подготовленный автором Abiray на основе обрезанного BF16-чекпоинта от Comfy-Org. Оригинальная модель построена на архитектуре single-stream Diffusion Transformer (DiT — диффузионный трансформер с единым потоком данных) на 33,1 млрд параметров и умеет генерировать изображения по тексту и редактировать их по нескольким референсам в разрешении вплоть до 4096 × 4096 пикселей (16 МП) всего за 6 дистиллированных шагов. В отличие от стандартного квантования, здесь чувствительные слои оставлены в нетронутом формате FP32, чтобы избежать шума и артефактов сетки, а файлы уже содержат встроенные метаданные расписания шагов и запускаются напрямую в стандартном ComfyUI-GGUF без костылей. Релиз пригодится тем, кто хочет протестировать тяжёлый 33B-генератор локально на видеокартах от 8 до 24 ГБ VRAM.
Ключевые особенности
- Выбор под разное железо: доступны пять версий от ультракомпактной
Q2_K(6,88 ГБ, от 8 ГБ VRAM) доQ5_K_M(14,10 ГБ), а золотой серединой автор называетQ4_K_M(11,60 ГБ, от 16 ГБ VRAM). - Защита критичных слоёв в FP32: входной патчификатор
video_patch_proj, 6-шаговая выходная голова PDDfinal_layerи базис модуляцииadaln_basisне сжимались ради сохранения чистоты картинки. - Работа из коробки в ComfyUI: метаданные
pdd_sigmasвшиты в заголовок GGUF, поэтому файлы нативно грузятся через нодуUnet Loader (GGUF)в ComfyUI v0.45.0+ без патчей. - Высокое разрешение и мультиреференс: модель поддерживает генерацию от 1024 × 1024 до 4096 × 4096 пикселей и редактирование по нескольким референсам.
Что можно сделать
- Генерировать детализированные иллюстрации, макеты упаковки и сцены с читаемой английской типографикой в ComfyUI, используя готовый воркфлоу
image_minimax_h3_image_t2i_gguf.jsonиз репозитория. - Создавать фотореалистичные портреты и предметные кадры в разрешении 4 МП или 16 МП с проработкой текстур кожи, материалов и естественного света.
- Запустить 33-миллиардную модель даже на ноутбуке или бюджетной видеокарте с 8–12 ГБ VRAM за счёт вариантов
Q2_KиQ3_K_M.
Пример
Модель лучше всего понимает плотные, подробные промпты на английском с описанием композиции, материалов, света и текста. Пример промпта из карточки для фотореалистичного портрета:
A raw, high-resolution 35mm documentary portrait of an artisan ceramicist in her sunlit studio loft, shot on a Leica M11 with a 50mm f/1.4 lens. Bathed in cool morning daylight streaming from a tall steel-framed window on the left. Authentic, unretouched skin texture with visible pores, fine smile lines, and a faint dusting of dry white clay powder across her cheekbone. Her hands rest on a weathered pine workbench scattered with trimming tools and a half-empty stoneware coffee mug. Organic shallow depth of field, natural color grading, no plastic skin smoothing or HDR halos.
Подробнее
Рекомендуемые настройки в ComfyUI: семплерeuler, планировщик simple или sgm_uniform, ровно 6 шагов, CFG Scale = 1.0 (отрицательные промпты и высокий CFG использовать нельзя).Для работы обязательны фирменный 24-канальный Image VAE (
minimax_h3_image_vae_fp16.safetensors — стандартные VAE от SD/Flux не подойдут) и текстовый энкодер Qwen3-VL-32B (есть GGUF-варианты на 12–14,6 ГБ).Лицензия: MiniMax-H3-Image Community License Agreement (бесплатно для исследований, личного и коммерческого использования до установленного порога выручки; хостинг API требует отдельной коммерческой лицензии).














Комментарии