К содержимому
Языковые модели

MiniMax-H3-Image-PE NVFP4

промпт-энкодер для ComfyUI в одном файле

2 мин чтенияобновлено

Это однофайловая ComfyUI-упаковка текстового энкодера MiniMax-H3-Image-PE: официальные NVFP4-шарды слиты в один safetensors и переставлены под layout ComfyUI. Исходная PE-модель — часть MiniMax-H3-Image и происходит от Qwen3.8-27B; она расширяет промпты и возвращает JSON с полями expanded_caption и aspect_ratio. Пакет не переквантовывает веса, а только меняет упаковку FP4, layout weight_scale, убирает input_scale и добавляет comfy_quant-теги. Пригодится тем, кто собирает MiniMax-H3-Image в ComfyUI; для официальных SGLang/Transformers/Diffusers-пайплайнов файл не подходит.

Ключевые особенности

  • Один файл minimax_h3_image_pe_nvfp4.safetensors размером 16.69 GiB: 2387 тензоров, включая 401 NVFP4-слой.
  • Это перепаковка уже квантованных весов: меняется порядок FP4-нибблов и layout weight_scale, добавляются comfy_quant-теги.
  • Загружается в ComfyUI через CLIPLoader с type=minimax и подключается к TextGenerateV2.
  • Нужен thinking-on и max_tokens=4096: при выключенном thinking в тесте выход был пустым.
  • Лицензия разрешает использование и распространение только в Applicable Territory — без EU, UK, Korea и US.

Что можно сделать

  • В ComfyUI расширять короткие промпты в expanded_caption и aspect_ratio для пайплайна MiniMax-H3-Image.
  • Стартовать с официальных настроек: temperature=1.0, top_p=0.95, top_k=20, max_tokens=4096.
  • Проверять англоязычные и китайские промпты: в тесте оба варианта дали валидный JSON.
  • Не подставлять файл вместо официальных SGLang, Transformers или Diffusers-шардов — он только для ComfyUI.

Пример

Сценарий: положите файл в ComfyUI/models/text_encoders/, загрузите через CLIPLoader с type=minimax, подключите CLIP-выход к TextGenerateV2. На выходе ожидаются поля expanded_caption и aspect_ratio.

ПодробнееЗамеры на DGX Spark GB10, ComfyUI v0.45.0: китайский промпт — 376.86 с, английский — 428.33 с; пик памяти 27.09 GiB.
Файл 16.69 GiB; thinking-off дал пустой вывод, поэтому нужен thinking-on и max_tokens 4096.
Лицензия MiniMax-H3-Image Community: только Applicable Territory, без EU, UK, Korea и US; hosted-сервисы и выручка больше 1 млн USD требуют отдельного разрешения.
Это не drop-in замена официальных Transformers, SGLang или Diffusers PE-пайплайнов.
Обсудить Telegram 2 999

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 17 GB · готовые файлы19 GB
  • FP8 / INT8рекомендуемвеса 8.3 GB9.8 GB
  • 4-bitвеса 4.7 GB5.8 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 3080 · BF16 — от RTX 4090

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

Готовый скрипт под машину, которую мы советуем выше: вставили — модель скачалась и запустилась.

  1. 1. Арендуйте A30

    $0.26 в час с купоном. При создании машины выберите образ Ubuntu.

    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.

    # online2311/MiniMax-H3-Image-PE-ComfyUI-NVFP4 — A30, FP8 / INT8
    # Драйвер NVIDIA: для CUDA 13 нужен 580+. Если старее или нет — ставится свежий nvidia-open (оставить свой: KEEP_DRIVER=1)
    DRV=$(nvidia-smi --query-gpu=driver_version --format=csv,noheader 2>/dev/null | head -1 | cut -d. -f1)
    case "$DRV" in ""|*[!0-9]*) DRV=0 ;; esac
    if [ "$DRV" -lt 580 ] && [ -z "${KEEP_DRIVER:-}" ]; then
      . /etc/os-release && \
      curl -fsSLO "https://developer.download.nvidia.com/compute/cuda/repos/ubuntu${VERSION_ID//./}/x86_64/cuda-keyring_1.1-1_all.deb" && \
      sudo dpkg -i cuda-keyring_1.1-1_all.deb && rm -f cuda-keyring_1.1-1_all.deb && \
      sudo apt-get update && \
      sudo DEBIAN_FRONTEND=noninteractive apt-get install -y nvidia-open || \
      { echo "Драйвер NVIDIA поставить не удалось: смотрите ошибку выше. Чтобы оставить текущий, запустите с KEEP_DRIVER=1."; exit 1; }
      echo "Драйвер NVIDIA обновлён. Перезагрузите машину (sudo reboot) и запустите этот же скрипт ещё раз."
      exit 0
    fi
    curl -LsSf https://astral.sh/uv/install.sh | sh
    source "$HOME/.local/bin/env"
    uv venv ~/vllm --python 3.12 && source ~/vllm/bin/activate
    uv pip install vllm
    vllm serve online2311/MiniMax-H3-Image-PE-ComfyUI-NVFP4 --max-model-len 8192 --quantization fp8
    Добавить ещё LoRA к MiniMax-H3-Image-PE-ComfyUI-NVFP4
  3. 3. Пользуйтесь

    Сервер слушает порт 8000 и понимает запросы в формате OpenAI: адрес http://localhost:8000/v1 на машине. Со своего компьютера: ssh -L 8000:localhost:8000 пользователь@IP-машины.

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.

Это текстовая модельЭто не сам генератор картинок, а языковая модель-помощник (prompt enhancer): она переписывает ваш короткий запрос в подробный промпт для генератора. Поэтому ускорения здесь — как для LLM, а сам генератор картинок ускоряется отдельно.

  • 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 (2)
    • 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.
  • 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.

  • MTP (multi-token prediction)0.34.0от 16 ноября 2026новая версия

    1.5–2× скорость генерации

    Если в модели есть MTP-слои (DeepSeek-V3/R1, Qwen3-Next, GLM, MiMo и др.), она сама предсказывает несколько токенов за шаг.

    Как включить: vLLM / SGLang: --speculative-config '{"method": "mtp", "num_speculative_tokens": 1}'. Смотрите карточку модели.

    Предыдущие поколения (2)
    • EAGLE-3 — Спекулятивное декодирование с маленькой «черновой» головой. Для моделей без своих MTP-слоёв.
    • EAGLE-2 / Medusa — Предыдущие поколения драфт-голов. Если нашли только их — тоже работают.
  • FP8 KV cache0.34.0от 16 ноября 2026новая версия

    в 2× больше контекста в той же памяти

    Хранит кэш внимания в 8 битах — длинный контекст влезает туда, где раньше не помещался.

    Как включить: vLLM: --kv-cache-dtype fp8; llama.cpp: -ctk q8_0 -ctv q8_0.

  • vLLM / SGLang0.34.0от 16 ноября 2026новая версия

    в разы больше токенов/с на сервере

    Серверные движки: пакетная обработка, FlashAttention, FP8, спекулятивное декодирование из коробки.

    Как включить: vllm serve <модель> — OpenAI-совместимый API.

    Предыдущие поколения (1)
    • llama.cpp — GGUF-модели на любой видеокарте, Mac и даже CPU; часть слоёв можно держать в ОЗУ.

Промпты для MiniMax H3

Все промпты

Готовые промпты с видео результата: копируйте и пробуйте.

Семья модели

Дообучение модели

MiniMaxAI/MiniMax-H3-Image-PE
  1. Qwen3.8-27Bоснова семьи
  2. MiniMax-H3-Image-PE
  3. MiniMax-H3-Image-PE-ComfyUI-NVFP4

Новые посты про версии Qwen3.8-27B — сжатые, дообучения, LoRA — появятся в колокольчике.

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

О модели

online2311/MiniMax-H3-Image-PE-ComfyUI-NVFP4
Автор
online2311
Категория
Языковые модели
Дата выхода
На сайте

На сайте

Hugging Face

9992

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии