MiniMax-H3-Image-NVFP4
быстрая генерация до 16.8 Мп в ComfyUI
2 мин чтенияобновлено
Это сжатая до 4 бит версия модели MiniMaxAI/MiniMax-H3-Image, подготовленная для запуска в ComfyUI. Она умеет генерировать изображения по текстовому описанию и редактировать картинки по референсам в высоком разрешении (вплоть до 4096×4096) всего за 6 шагов. За основу взят обрезанный bf16-чекпоинт весом 40.2 ГБ от Comfy-Org, в котором 200 линейных слоёв перевели в формат NVFP4 (4-битная квантизация под архитектуру NVIDIA Blackwell) без дообучения. В результате вес файла сократился до 12.5 ГБ, благодаря чему модель вместе с текстовым энкодером помещается в 32 ГБ видеопамяти RTX 5090 и работает в 2.1–2.4 раза быстрее исходника.
Ключевые особенности
- Компактный размер: вес модели уменьшен с 40.23 ГБ до 12.54 ГБ (200 слоёв переведены в NVFP4 через встроенный квантизатор ComfyUI).
- Высокая скорость: на RTX 5090 генерация кадра 4 Мп (2048×2048 или 2720×1536) занимает около 3 секунд, а 16.8 Мп (4096×4096) — около 16 секунд.
- Нативная интеграция: загружается стандартными узлами
UNETLoaderиCLIPLoaderв ComfyUI без установки кастомных нод. - Поддержка референсов: работает как в режиме text-to-image, так и для редактирования с опорой на референсные изображения.
Что можно сделать
- Генерировать детализированные изображения и постеры с текстом в разрешении 4K и до 16.8 мегапикселей без долгого ожидания.
- Редактировать сцены по референсу (например, менять освещение в комнате с дневного на ночное за ~5.7 секунды).
- Запускать тяжёлую модель MiniMax H3-Image локально на одной видеокарте с 32 ГБ VRAM вместо серверных ускорителей на 96 ГБ.
Пример
Файл minimax_h3_image_pruned_nvfp4.safetensors кладётся в папку ComfyUI/models/diffusion_models/ и загружается через UNETLoader (weight_dtype = default). Для генерации в KSampler используются следующие настройки:
steps: 6
cfg: 1.0
sampler: euler
scheduler: simple
denonise: 1.0
positive: MiniMaxH3ImageConditioning (output 0)
negative: ConditioningZeroOut of the positive
Подробнее
Бенчмарки на RTX 5090 (6 шагов): 2.9–3.4 с для 4 Мп, 7.2 с для 3840×2176, 15.7–16.6 с для 16.8 Мп; холодный старт — 13 с.Требования: видеокарта NVIDIA Blackwell (RTX 5090, пик VRAM 27.6–31.1 ГБ), ComfyUI 0.45+ и PyTorch 2.10 с CUDA 13 (
cu130).Отдельно нужны текстовый энкодер (например,
qwen3vl_32b_heretic_minimax_h3_nvfp4.safetensors на 15.7 ГБ) и VAE (minimax_h3_image_vae_fp16.safetensors).Ограничения: при 3+ референсах композиция сильнее расходится с bf16-оригиналом; 2-шаговая турбо-LoRA признана автором слишком сырой; лицензия не действует в США, ЕС, Великобритании и Южной Корее.














Комментарии