К содержимому
Изображения

MiniMax-H3-Image-pDMD-2steps

генерация и редактирование фото за 2 шага

2 мин чтенияобновлено

Это дистилляционная LoRA (небольшая надстройка над базовой моделью) от разработчицы linoyts для модели MiniMax-H3-Image. Она сжимает стандартную генерацию с 6 шагов до 2 проходов, при этом качество создания картинок по тексту и редактирования по референсам остаётся близким к оригиналу. Адаптер обучен методом pDMD (Distribution Matching Distillation — перенос знаний от 6-шаговой модели-учителя к быстрой версии) в разрешении около 1 мегапикселя. Благодаря трёхкратному ускорению модель подходит для интерактивных и близких к реальному времени пайплайнов.

Ключевые особенности

  • 2 шага вместо 6: используется расписание sample_sigmas=[1.0, 12/13, 0.0], при котором задействуются первые две выходные головы трансформера.
  • Поддержка редактирования: помимо генерации с нуля (text-to-image), сохраняет способность править референсные изображения по тегам , в промпте.
  • Работа без CFG: как и базовая модель с дистилляцией гайданса, работает без параметров guidance_scale и negative_prompt.
  • Несколько соотношений сторон: обучена на форматах 1024×1024, 768×1344 и 1344×768 на расширенных промптах от MiniMax-H3-Image-PE.

Что можно сделать

  • Ускорить генерацию в 1 Мп: встраивать LoRA в веса базового MiniMax-H3-Image в библиотеке diffusers для быстрой генерации иллюстраций с подробными описаниями.
  • Редактировать фото по референсам: менять детали на загруженных снимках (например, убирать лишние предметы или менять позы персонажей) всего за два прохода нейросет.
  • Связать с расширителем промптов: объединить в одном пайплайне с MiniMax-H3-Image-PE, чтобы короткие запросы автоматически превращались в детальные описания перед быстрой генерацией.

Пример

lora_path = hf_hub_download("linoyts/MiniMax-H3-Image-pDMD-2steps", "pytorch_lora_weights.safetensors")
fuse_lora(pipe.transformer, lora_path)
pipe.register_to_config(sample_sigmas=[1.0, 12 / 13, 0.0])

image = pipe(
    prompt="Keep everything in  as it is, but remove the headphones and have the two hosts fist bump.",
    image=reference, height=1024, width=1024, min_generation_area=1024, output="images"
)[0]
ПодробнееОбучение: 1000 шагов на одной видеокарте H100 (rank 128, alpha 128 для слоёв attention и feed-forward).
Железо: трансформер и текстовый энкодер весят около 62 ГБ каждый в bfloat16, требуется ~140 ГБ CPU RAM при включённом авто-оффлоадинге.
Ограничения: при запуске обязательно передавать min_generation_area=1024, иначе пайплайн по умолчанию генерирует холст от 4 Мп, на который LoRA не рассчитана; требует diffusers>=0.43.0 и Python 3.11+.
Обсудить Telegram 1 76

Запустится ли?

Не запустится

Не хватает памяти даже для 4-bit. Ниже — где арендовать подходящую видеокарту.

  • BF16веса 189 GB · готовые файлы209 GB
  • FP8 / INT8рекомендуемвеса 95 GB106 GB
  • 4-bitвеса 54 GB61 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: В домашние видеокарты не поместится — выгоднее арендовать.

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

Это LoRA: вместе с базовой моделью MiniMax-H3-Image.

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.

    # linoyts/MiniMax-H3-Image-pDMD-2steps
    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 MiniMaxAI/MiniMax-H3-Image --local-dir ~/models/MiniMax-H3-Image
    hf download linoyts/MiniMax-H3-Image-pDMD-2steps --local-dir ~/models/MiniMax-H3-Image-pDMD-2steps
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к MiniMax-H3-Image
  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.

Промпты для MiniMax H3

Все промпты

Готовые промпты с видео результата: копируйте и пробуйте.

Семья модели

Нужна базовая модель

MiniMaxAI/MiniMax-H3-Image

Эта модель — LoRA / адаптер. Сначала скачайте базовую модель, затем подключите к ней эту.

  1. MiniMax-H3основа семьи
  2. MiniMax-H3-Image
  3. MiniMax-H3-Image-pDMD-2steps

Новые посты про версии MiniMax-H3 — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 12Все на Hugging Face
Дообучения 12Все на Hugging Face
LoRA и адаптеры 12Все на Hugging Face
Слияния 3Все на Hugging Face

О модели

linoyts/MiniMax-H3-Image-pDMD-2steps
Автор
linoyts
Категория
Изображения
Дата выхода
На сайте

На сайте

Hugging Face

761

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии