К содержимому
Изображения

P-Image-OSS

открытая модель генерации и редактирования картинок на базе MiniMax-H3

2 мин чтенияобновлено

P-Image-OSS — это продвинутая модель для генерации изображений по тексту и их комплексного редактирования, созданная компанией PrunaAI на базе архитектуры MiniMax-H3. Модель выдаёт детальные изображения разрешением до 8 мегапикселей всего за 8 шагов генерации без классификатора подсказок (CFG). Особенностью пайплайна является встроенный текстовый апсемплер (модуль улучшения промптов) на базе Qwen3.5-9B, который автоматически превращает короткий запрос в развёрнутый детальный промпт. Новинка особенно сильна в фотореализме, кинематографических и редакторских стилях, а также в создании графики с короткими надписями в кавычках.

Ключевые особенности

  • Быстрая генерация: Полный цикл создания изображения занимает всего 8 шагов семплирования без необходимости настройки CFG и негативных промптов.
  • Высокое разрешение: Нативная поддержка генерации картинок в качестве 8 MP (например, 2912×2912 пикселей) с проработкой мелких деталей кожи и текстур.
  • Многокомпонентное редактирование: Возможность редактировать одно изображение или объединять в единую сцену до 8 разных референсов по текстовому запросу.
  • Встроенный апсемплер: Автоматическое улучшение пользовательских запросов с помощью языковой модели для достижения наилучшего визуального результата.

Что можно сделать

  • Текст-в-картинку: Сгенерировать фотореалистичный кадр, иллюстрацию или постер высокого разрешения с точным соблюдением пропорций и короткого текста.
  • Точечное редактирование: Изменить конкретные элементы на готовой фотографии, добавив или убрав детали с помощью текстовой инструкции.
  • Композитинг по референсам: Объединить персонажей и объекты из нескольких разных изображений (до 8 штук) в одну связную композицию.
  • Интеграция в пайплайны: Запустить модель локально с помощью библиотеки Diffusers для автоматизации генерации контента.

Пример

Пример генерации изображения по текстовому промпту с помощью Python и Diffusers:

import torch
from diffusers import ModularPipeline

pipe = ModularPipeline.from_pretrained("PrunaAI/P-Image-OSS")
pipe.load_components(dtype=torch.bfloat16)
pipe.to("cuda")

prompt = "A cinematic street view at night with glowing lights."
image = pipe(
    prompt=prompt,
    height=3360, width=2496,
    generator=torch.Generator().manual_seed(3),
    output="images"
)[0]
image.save("output.png")
Подробнее• Задачи: Текст-в-картинку и редактирование по 1–8 изображениям
• Архитектура: Трансформер на 33.1 млрд параметров, текстовый энкодер на 4 млрд
• Требования к VRAM: Около 101 ГБ с апсемплером промптов (в bf16), либо от 80 ГБ с выгрузкой на CPU (offloading)
• Лицензия: MiniMax H3 Community License (с ограничениями для ряда регионов)
Примеры
Обсудить 324 3,1 тыс.

Запустится ли?

Запустится в 4-bit

Полная точность не влезет, но сжатая версия поместится — качество почти не страдает до 8 бит, заметнее на 4 битах.

  • BF16веса 62 GB · готовые файлы69 GB
  • FP8 / INT8рекомендуемвеса 31 GB35 GB
  • 4-bitвеса 17 GB21 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.

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.

    # PrunaAI/P-Image-OSS
    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 PrunaAI/P-Image-OSS --local-dir ~/models/P-Image-OSS
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к P-Image-OSS
  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

Дообучение модели

MiniMaxAI/MiniMax-H3

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

PrunaAI/P-Image-OSS
Автор
PrunaAI
Категория
Изображения
Дата выхода
На сайте

На сайте

Hugging Face

3,1 тыс.324

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Видео

GameWM

GameWM