MiniMax-H3-Image en 2 pasos con una LoRA pDMD

Checkpoint estándar, 2 pasos	Con la LoRA pDMD, 2 pasos

Doce prompts, 4096x4096, dos pasos, flow shift 12, semilla 3. El modelo estándar no puede bajar de su programación fija de 6 pasos, así que a 2 pasos sigue a mitad de la eliminación de ruido.

Ejecutarlo

Dos formas de cargarlo, el mismo gráfico.

• Un solo archivo: descarga el minimax_h3_image_pdmd_2step_bf16.safetensors de 40 GB en ComfyUI/models/diffusion_models/, junto con un codificador de texto Qwen3-VL-32B y el VAE de imagen de Comfy-Org/MiniMax-H3-Image. La LoRA ya está fusionada, así que no necesitas nodo LoRA ni ajustar ninguna fuerza.
• Base más LoRA: conserva tu checkpoint actual de Comfy-Org y añade el minimax_h3_pdmd_2nfe_comfyui.safetensors de 2 GB a ComfyUI/models/loras/, con LoraLoaderModelOnly a fuerza 1.0 entre Cargar modelo de difusión y MiniMaxH3SigmaShift. Esta es la única ruta para los repacks int8_convrot y w4a8, ya que los pesos pre-fusionados no se pueden construir sobre tensores rotados o cuantizados.

Luego muestrea 2 pasos, euler, scheduler simple, denoise 1.0, shift_video 12, sin CFG. El latente proviene de EmptyHunyuanLatentVideo porque el latente de imagen de H3 es un solo fotograma.

Qué te aporta la velocidad

Por imagen la ganancia es de aproximadamente 1,4x, no 3x: 2 pasos en lugar de 6, pero cada paso a 16 MP arrastra el mismo transformer de 33B. La mayor ventaja es la velocidad de iteración en el Space de demostración, que renderiza 2048x2048 en unos 4,6 s con su pasada de detalle, frente a unos 7 s del Space oficial de 6 pasos al mismo tamaño.

Dos pasos funciona para la mayoría de prompts. Los prompts gráficos pueden inventar pseudo-texto y la composición puede desviarse del resultado estándar; 3 pasos es el punto medio seguro, y 4 pasos es lo más cercano a la salida de 6 pasos. Lo mismo para las ediciones.

Pasada de detalle

Borrador a media resolución en 2 pasos, escalado en píxeles con lanczos, codificación VAE y luego una segunda muestra a 3 pasos con denoise = sigma_0. El sigma inicial es el ajuste clave: 0,4 a 0,55 pule mientras conserva el borrador, 0,7 añade más detalle pero puede generar moteado en zonas planas y desviar los rostros. Para ediciones, mantente en 0,55 o por debajo.

Borrador a media resolución (izquierda), la pasada a 0,5 y 0,7 (centro), render estándar a tamaño completo de 2 pasos (derecha). La pasada añade de 1 a 2 s a 4 MP.

Vistas previas en tiempo real

Como un fotograma de 2 pasos es barato, el Space de demostración renderiza alrededor de 1 MP mientras escribes, aproximadamente 0,9 s por fotograma en su compilación FP8, y pule cuando haces una pausa. Eso es lo que desbloquea la LoRA: la programación estándar está fijada en 6 pasos.

Edición de prompts en vivo sobre una fuente de la Mona Lisa, un fotograma de 2 pasos por fragmento.

Disponibilidad

• LoRA, flujos de trabajo y cuadrículas: akhaliq/minimax-h3-image-pdmd-2step
• Space de demostración: akhaliq/minimax-h3-image-2step
• Modelo base: MiniMaxAI/MiniMax-H3-Image, repack de ComfyUI en Comfy-Org/MiniMax-H3-Image
• LoRA original: pdmd2026/pdmd_2NFE_lora, método en arXiv 2609.35768