8 步无 CFG 直出 8MP:PrunaAI 把 MiniMax-H3 改造成文生图加多图编辑双料选手

8 步无 CFG 直出 8MP:PrunaAI 把 MiniMax-H3 改造成文生图加多图编辑双料选手

1周前
duguying
3 阅读
来源:HuggingFace

基于 MiniMax-H3 的 P-H3-Image:8 步采样、无负向提示词即可渲染 8 百万像素,编辑模式支持最多 8 张参考图,还内置 prompt 自动扩写。

相关标签

#HuggingFace#人工智能#文生图#图像编辑

开源图像模型圈最近有个反常现象:越是高分辨率的模型,越依赖几十步采样和 CFG 引导,出一张图慢得像在等暗房冲印。PrunaAI 基于 MiniMax-H3 做的 P-H3-Image 走了另一条路——8 步采样、无 CFG、无负向提示词,直接渲染 8 百万像素,还顺带把多图参考编辑做进了同一个管线。

它是做什么的

P-H3-Image 是一个文生图加图像编辑的双料模型,底座是 MiniMax-H3。文生图模式下,输入一段文字,输出最高 8 MP 的图像——默认 2912×2912,另有 4:3、3:4、16:9 等多档长宽比可选。编辑模式下,输入一段文字加一至八张图片:第一张是被编辑的对象,其余是按 “Picture 2、Picture 3……” 命名的参考图,官方示例里的用法相当直观——”把图 2 的帽子戴到图 1 的女人头上”。管线会根据输入自动判断任务:传了 image 参数就进编辑,否则做文生图。

还有一个贴心的组件:内置基于 Qwen3.5-9B 的 prompt upsampler,默认开启,会把一句话的短请求自动扩写成模型最擅长理解的完整提示词。写 prompt 的门槛被压到接近零。

体量与显存

这不是个小模型:33.1B 参数的 transformer,加 4B 文本编码器、VAE 和 prompt upsampler,bf16 权重共 100 GB。在 8 MP 下 bf16 全量约需 101 GB 显存(含 upsampler),不带 upsampler 约 83 GB,或 80 GB 卡加 offloading 勉强可跑——这决定了 diffusers 版的实际用户是有数据中心 GPU 的团队和研究者。显存有限的话,走 ComfyUI 单文件版(PrunaAI/P-H3-Image-Comfy)的 int8/4-bit 量化,21 GB 显存即可。

强项与边界

官方定位的能力强项是照片级写实、电影和编辑类质感,以及带短引号文字的平面风格——”短引号文字”这条对平面设计场景很实用,意味着画面里可以出现少量正确的文字。分辨率方面 8 MP 是甜点位,2 到 4 MP 也可用,但人脸、手部和小细节的伪影会增多;编辑任务最适 4 或 8 MP。

8 步、无 CFG、8 MP、最多 8 图编辑,这套组合拳在开源模型里还很少见。MiniMax-H3 底座加上 PrunaAI 的优化管线,算是给”高分辨率、少步骤”这条开源路线立了一个新参照点。

模型地址:https://huggingface.co/PrunaAI/P-H3-Image

返回列表

更多资讯

想看更多优质内容?

浏览所有资讯