P-H3-Image

P-H3-Image от PrunaAI — диффузионная модель для text-to-image и редактирования изображений на базе MiniMax-H3. В репозитории — pipeline для diffusers; трансформер на 33.1B параметров, генерация в 8 MP и редактирование с 1–8 входными картинками.

✨ Ключевые особенности

• ⚡ 8 шагов сэмплирования без classifier-free guidance, negative prompt и guidance_scale.
• 🖥 8 MP для генерации; для редактирования — 4 или 8 MP.
• 🔄 Встроенный prompt upsampler на Qwen3.5-9B включён по умолчанию: короткий запрос превращается в подробный промпт.
• 🖇 До 8 входных изображений: Picture 1 редактируется, остальные используются как референсы.
• 💎 Лучше всего удаются фотореализм, плёночные и редакционные кадры, графика с коротким текстом в кавычках.

💻 Пример

from diffusers import ModularPipeline
import torch

pipe = ModularPipeline.from_pretrained('PrunaAI/P-H3-Image')
pipe.load_components(dtype=torch.bfloat16)
pipe.to('cuda')
image = pipe(prompt='A German Expressionist oil painting of a Berlin street at night', height=3360, width=2496, output='images')[0]
image.save('berlin.png')

Подробнее

На NVIDIA B200 в bf16 при 8 MP: text-to-image около 9 с, prompt upsampler добавляет 6–11 с. Пик VRAM — 83 ГБ без апсемплера и 101 ГБ с ним; с auto offloading — около 76 ГБ на 80-ГБ GPU.
Ограничения: чувствительность к промптам, сбои рук и мелких людей на фоне, ненадёжный мелкий/длинный текст, больше артефактов на 2–4 MP. Генерирует только изображения.
Лицензия MiniMax H3 Community: исключает ЕС, Великобританию, Южную Корею и США без отдельной лицензии; продукты должны показывать «Powered by MiniMax H3».