P-H3-Image-Turbo LoRA

Few-step turbo LoRA для PrunaAI/P-H3-Image: веса rank 16 (Apache-2.0) из InstantX/MiniMax-H3-Turbo-Lora-Diffusers, конвертированные из larryvrh/MiniMax-H3-Turbo-Lora. LoRA вливается в transformer P-H3-Image и рендерит 2912×2912 в 6 шагов вместо 8 — примерно в 1,3 раза быстрее, без CFG и с тем же промптингом.

✨ Ключевые особенности

• ✅ В A/B на 8 MP вариант с LoRA за 6 шагов предпочли базовым 8 шагам на всех 4 промптах.
• 🔥 4 шага тоже работают: ещё быстрее, но картинка заметно мягче; рекомендуемый режим — 6 шагов.
• 💻 Есть файл для ComfyUI: те же веса в key naming MiniMax-H3; сила LoRA 1.0, BasicScheduler simple, 6 шагов.
• 📌 LoRA дистиллировали для видео-модели, но все 363 целевых модуля совпали с image transformer P-H3-Image.
• 📚 Расход VRAM не меняется: ~83 ГБ bf16 без prompt upsampler; с квантованным w4a8 набором — 21 ГБ.

💻 Пример

pip install git+https://github.com/huggingface/diffusers
pip install -U transformers accelerate torch torchvision safetensors pillow
python run_p_h3_turbo.py --steps 6 --prompt 'A flat vector travel poster of a coastal lighthouse at dusk'

Подробнее

Бенчмарк: 2912×2912 bf16 на H200 — ~11.9 с у baseline за 8 шагов, ~9.0 с с LoRA за 6 шагов и ~7.5 с за 4 шага.
Лицензия LoRA — Apache-2.0; результаты P-H3-Image регулируются MiniMax H3 Community License: без отдельной лицензии MiniMax использование исключено в EU, UK, Korea и US, нужна атрибуция «Powered by MiniMax H3».
Merge LoRA сам по себе не добавляет VRAM; для не-8 шагов нужно явно передавать sigmas, иначе num_inference_steps может игнорироваться.