P-H3-Image: быстрая генерация изображений на базе MiniMax H3

Компания Pruna AI выпустила открытую модель P-H3-Image для генерации и редактирования изображений, созданную на базе видеоархитектуры MiniMax H3.

Модель

Разработчики существенно оптимизировали архитектуру оригинальной видеомодели. Был заменен 32-миллиардный текстовый энкодер на дистиллированный 4-миллиардный аналог, а количество параметров трансформера сокращено с 33 до 20 млрд. Декодер переобучен для вывода одного резкого изображения вместо последовательности кадров.

Процесс генерации ускорен за счет переработки расписания диффузии: количество шагов снижено с 50 до 8 методом дистилляции. Также внедрен улучшатель промптов на основе модели Qwen3.5-9B.

Производительность

По данным разработчиков, генерация изображения разрешением 4 МП на NVIDIA B200 занимает 2,6 секунды против 12,4 секунд у исходной H3. Для разрешения 8 МП время составляет 5,8 секунды против 30,6 секунд.

Минимальный объем квантованных весов уменьшен до 20 ГБ по сравнению с 143 ГБ у оригинального MiniMax. Версия W4A8 требует около 21 ГБ видеопамяти при генерации изображений высокого разрешения.

Возможности

Модель поддерживает работу с разрешениями от 2 до 16 МП, оптимальным считается 8 МП. Пользователи могут использовать до восьми исходных изображений для объединения персонажей и объектов в одной композиции.

• Доступна через библиотеку Diffusers
• Поддержка в ComfyUI 0.44.0 без сторонних нод
• Опубликованы готовые workflows и квантованные веса