К содержимому
Изображения

NEUVY-FUSION-T2I-v1

компактный гибрид FLUX.1-dev и MiniMax-H3-Image

2 мин чтенияобновлено

Эта модель генерирует изображения по текстовому описанию всего за 6 шагов, объединяя наработки сразу двух крупных систем: FLUX.1-dev и MiniMax-H3-Image. Разработчики из neurarank создали её с помощью дистилляции знаний (переноса навыков от больших «учителей» к компактной модели) на базе собственной архитектуры NeuvyFusionDiTModel. Выложенная версия представляет собой лёгкий прототип (POC) весом 639 МБ и объёмом 167,6 млн параметров, который запускается даже на CPU без подгрузки исходных тяжёлых моделей. Подойдёт исследователям и разработчикам, которым нужен быстрый автономный генератор картинок с поддержкой мультиязычных промптов.

Ключевые особенности

  • Генерация за 6 шагов: от MiniMax-H3-Image модель получила декодер прогрессивной дистилляции (PDD) с шестью головами предсказания и планировщик NeuvyPDDFlowScheduler.
  • Понимание сложных и мультиязычных запросов: кросс-внимание настроено под 5120-мерные представления из Qwen3-VL, заявлена поддержка английского, китайского и вьетнамского языков.
  • Архитектура и чёткость от FLUX.1-dev: используются совместные потоки MMDiT, 16-канальный AutoencoderKL и модуляция guidance для точного следования промпту и проработки типографики.
  • Небольшой размер: файл весов model.safetensors занимает 639,46 МБ (167,6M параметров в текущей POC-версии), поддерживаются форматы Float32 и BFloat16.

Что можно сделать

  • Протестировать быструю локальную генерацию изображений в 6 шагов на слабом железе или CPU без зависимости от тяжёлых чекпоинтов FLUX и MiniMax.
  • Изучить архитектуру слияния двух разных диффузионных моделей (Teacher-Student дистилляция с объединением слоёв) в собственных R&D-проектах.
  • Поэкспериментировать с мультиязычными промптами (на английском, китайском и вьетнамском) и проверкой отрисовки текста на изображениях.

Пример

import sys
sys.path.insert(0, "./NEUVY-FUSION-T2I-v1")
from pipeline_neuvy_fusion import NeuvyFusionPipeline

pipe = NeuvyFusionPipeline.from_pretrained("./NEUVY-FUSION-T2I-v1", device="cpu")
image = pipe.generate(
    prompt="A cinematic photorealistic portrait of an astronaut exploring a glowing alien forest",
    height=512, width=512, num_inference_steps=6, guidance_scale=3.5, seed=42
)
image.save("astronaut.png")
ПодробнееПараметры: 167 628 224 (проверенная POC-версия; полная облачная спецификация заявлена на 3.8B).
Настройки по умолчанию: разрешение 512×512, 6 шагов инференса, guidance_scale 3.5.
Ограничения: строго некоммерческое исследовательское использование; родительская лицензия MiniMax-H3-Image исключает применение в США, ЕС, Великобритании и Южной Корее.
Обсудить Telegram 0 32

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 0.6 GB · готовые файлы2.2 GB
  • FP8 / INT8рекомендуемвеса 0.3 GB1.8 GB
  • 4-bitвеса 0.2 GB1.7 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 · BF16 — от RTX 2060

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.

    # neurarank/NEUVY-FUSION-T2I-v1
    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 neurarank/NEUVY-FUSION-T2I-v1 --local-dir ~/models/NEUVY-FUSION-T2I-v1
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к NEUVY-FUSION-T2I-v1
  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 NEUVY-FUSION-T2I-v1 — сжатые, дообучения, LoRA — появятся в колокольчике.

У этой модели пока нет известных родственников. Все производные на Hugging Face

О модели

neurarank/NEUVY-FUSION-T2I-v1
Автор
neurarank
Категория
Изображения
Дата выхода
На сайте

На сайте

Hugging Face

320

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии