К содержимому
Изображения

Animagine XL 4.0

новая версия популярной аниме-модели для генерации картинок

2 мин чтения

Cagliostro Research Lab выпустили Animagine XL 4.0 (также известную как Anim4gine) — масштабное обновление популярной линейки моделей для создания изображений в аниме-стиле. Модель обучена с нуля на базе Stable Diffusion XL 1.0 (базовая модель для генерации картинок по текстовому описанию) на огромном датасете из 8.4 миллионов разнообразных аниме-изображений. Версия Opt дополнительно улучшает анатомию, снижает уровень шума и повышает точность цветопередачи. Модель отлично подойдет любителям генерации аниме-артов и авторам контента.

Ключевые особенности

  • Масштабное обучение: Использован датасет из 8.4 млн аниме-картинок и около 2650 GPU-часов тренировки.
  • Высокая детализация: Поддержка специальных тегов качества и скоров для точного контроля результата.
  • Улучшенная анатомия: В версии Opt доработаны пропорции персонажей и уменьшено количество артефактов.
  • Гибкость промптов: Специальный метод обучения на основе упорядоченных тегов для сохранения узнаваемости персонажей и стилей.

Что можно сделать

  • Создавать арты: Генерировать детализированные иллюстрации с любимыми аниме-персонажами и оригинальными героями.
  • Запускать в интерфейсах: Использовать модель в ComfyUI, Stable Diffusion WebUI или через библиотеку diffusers.
  • Контролировать пропорции: Применять рекомендованные разрешения и специальные теги качества для идеального результата.

Пример

import torch
from diffusers import StableDiffusionXLPipeline

pipe = StableDiffusionXLPipeline.from_pretrained(
    "cagliostrolab/animagine-xl-4.0",
    torch_dtype=torch.float16,
    use_safetensors=True,
    custom_pipeline="lpw_stable_diffusion_xl",
    add_watermarker=False
)
pipe.to('cuda')

prompt = "1girl, arima kana, oshi no ko, masterpiece, high score, great score, absurdres"
negative_prompt = "lowres, bad anatomy, bad hands, text, error"

image = pipe(
    prompt,
    negative_prompt=negative_prompt,
    width=832,
    height=1216,
    guidance_scale=5,
    num_inference_steps=28
).images[0]

image.save("./arima_kana.png")
ПодробнееБазовая модель: Stable Diffusion XL 1.0
Объем параметров: 2.57 млрд
Оборудование для обучения: 7 x H100 80GB SXM5
Лицензия: CreativeML Open RAIL++-M
Особенности: требует использования тегов вместо естественного языка
Примеры
Обсудить Telegram 0

Запустится ли?

Запустится в F16

Влезает без сжатия.

  • F16веса 4.8 GB · готовые файлы6.8 GB
  • FP8 / INT8рекомендуемвеса 2.4 GB4.1 GB
  • 4-bitвеса 1.3 GB3.0 GB

Совет: берите 8-bit.FP8 / INT8 почти не отличается по качеству от полной точности (разница в пределах процента), а памяти занимает вдвое меньше и на RTX 40/50, H100 работает быстрее. Полную точность есть смысл брать только для дообучения.

Что взять под эту модель

Massed ComputeОткрыть Massed Compute

Своя видеокарта: FP8 / INT8 — от RTX 2060 · F16 — от RTX 5060 Ti 8GB

Почасовые цены Massed Compute на ноябрь 2026. Цена со скидкой — с промокодом при оплате.

Оценка: веса плюс рабочая память. Длинные ролики, высокое разрешение и большой контекст требуют больше.

Запуск на Massed Compute

Скрипт скачает модель на арендованную машину. Как её запустить — в карточке модели.

  1. 1. Арендуйте машину с подходящей видеокартой

    Открыть Massed Compute
  2. 2. Вставьте скрипт в терминал машины

    Подключитесь по SSH (команда есть в панели Massed Compute) или откройте терминал на рабочем столе машины.

    HF_TOKEN / CIVITAI_TOKENВ начале скрипта строки для токенов: вставьте свой между кавычками. Токен Hugging Face нужен для закрытых моделей, токен Civitai — для моделей с Civitai.

    # Anzoris/animagine-xl-4.0
    mkdir -p ~/models
    curl -LsSf https://astral.sh/uv/install.sh | sh
    source "$HOME/.local/bin/env"
    uv tool install "huggingface_hub[cli]"
    hf download Anzoris/animagine-xl-4.0 --local-dir ~/models/animagine-xl-4.0
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к animagine-xl-4.0
  3. 3. Пользуйтесь

    Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).

Не забудьте остановить машину в панели, когда закончите: оплата идёт поминутно, пока она включена.

Как ускорить

Подобрано под тип модели. Выберите своё железо в блоке выше — покажем то, что подходит именно вам.

  • SageAttention 3v2.2.0от 28 октября 2025

    ещё быстрее на RTX 50 / Blackwell

    FP4-внимание для Blackwell. Быстрее SageAttention 2, но авторы советуют 2-ю версию, когда важна точность.

    Как включить: Сборка из папки sageattention3_blackwell репозитория; в ComfyUI — через KJNodes.

    Предыдущие поколения (2)
    • SageAttention 2++ — Квантованное (INT8/FP8) внимание без заметной потери качества. Главное ускорение для генерации картинок и видео.
    • SageAttention 1 — Первая версия: INT8 для Q·K. Работает и на старых сборках, но 2++ быстрее и точнее.
  • FlashAttention 44.0.0b40от 18 ноября 2026новая версия

    самое быстрое точное внимание на B200

    Ядра для Blackwell (пока бета). Точное внимание без квантования — подходит для всего, включая LLM.

    Как включить: pip install flash-attn-4; vLLM и SGLang подхватывают сами.

    Предыдущие поколения (3)
    • FlashAttention 3 — Версия для Hopper (H100/H200) с FP8.
    • FlashAttention 2 — Стандарт для RTX 30/40/50 и A100: точное внимание без лишней памяти на длинных контекстах.
    • xFormers — Старый способ ускорить внимание, работает почти везде. Если есть Sage или Flash — они быстрее.
  • cache-dit (DBCache)v1.5.6от 20 ноября 2026новая версия

    1.5–3× при почти том же качестве

    Переиспользует результаты блоков между шагами диффузии. Поддерживает большинство DiT-моделей.

    Как включить: pip install cache-dit; одна строка cache_dit.enable_cache(pipe) для diffusers.

    Предыдущие поколения (2)
    • MagCache — Пропускает шаги по величине изменений. Точнее TeaCache без калибровки.
    • TeaCache — Первый массовый кэш шагов диффузии. Работает, но новые методы точнее.
  • Nunchaku (SVDQuant 4-bit)v1.2.1от 25 января 2026

    ≈3× быстрее и в 3.5× меньше памяти

    4-битные версии популярных моделей картинок почти без потери качества (FP4 на RTX 50).

    Как включить: Есть готовые веса для поддерживаемых моделей; в ComfyUI — ComfyUI-nunchaku.

  • torch.compile2.15.0от 28 октября 2026новая версия

    10–30% бесплатно

    Компилирует модель под вашу видеокарту. Первый запуск дольше, дальше быстрее.

    Как включить: model = torch.compile(model); в ComfyUI — узел TorchCompileModel.

Семья модели

Новые посты про версии stable-diffusion-xl-base-1.0 — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 5Все на Hugging Face
Дообучения 12Все на Hugging Face
LoRA и адаптеры 12Все на Hugging Face
Слияния 2Все на Hugging Face

О модели

Anzoris/animagine-xl-4.0
Автор
Anzoris
Категория
Изображения
Дата выхода
На сайте

На сайте

Hugging Face

00

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Изображения

SD15 no-VAE DWD

SD15 no-VAE DWD
Изображения

SD 1.5 CoreML

SD 1.5 CoreML