MiniMax-H3-ImageをpDMD LoRAで2ステップ生成

標準チェックポイント、2ステップ	pDMD LoRA使用、2ステップ

12プロンプト、4096x4096、2ステップ、flow shift 12、シード3。標準モデルは固定の6ステップスケジュールを下回れないため、2ステップではデノイズの途中で止まってしまいます。

実行方法

読み込み方法は2通り、グラフは同じです。

• 1ファイル: 40 GBのminimax_h3_image_pdmd_2step_bf16.safetensorsをComfyUI/models/diffusion_models/にダウンロードし、Qwen3-VL-32Bテキストエンコーダーと画像VAEをComfy-Org/MiniMax-H3-Imageから入手します。LoRAはすでにマージ済みなので、LoRAノードも強度設定も不要です。
• ベース+LoRA: 現在のComfy-Orgチェックポイントを使い、2 GBのminimax_h3_pdmd_2nfe_comfyui.safetensorsをComfyUI/models/loras/に追加して、LoraLoaderModelOnlyを強度1.0でLoad Diffusion ModelとMiniMaxH3SigmaShiftの間に置きます。int8_convrotとw4a8のリパックはこの方法のみです。マージ済みの重みは、回転済みや量子化済みのテンソル上には構築できないためです。

その後、2ステップ、euler、スケジューラーsimple、denoise 1.0、shift_video 12、CFGなしでサンプリングします。H3の画像潜在は単一フレームなので、潜在はEmptyHunyuanLatentVideoから取得します。

速度向上で得られるもの

1枚あたりの短縮は約1.4倍で、3倍ではありません。6ステップが2ステップになっても、16 MPでの各ステップは同じ33Bトランスフォーマーを動かすためです。より大きなメリットはデモSpaceでの反復速度で、ディテールパス込みで2048x2048を約4.6秒でレンダリングします。同じサイズの公式6ステップSpaceは約7秒です。

2ステップはほとんどのプロンプトで成立します。グラフィック系のプロンプトでは疑似テキストが生成されたり、構図が標準の結果からずれたりすることがあります。安全な中間は3ステップで、6ステップの出力に最も近いのは4ステップです。編集についても同様です。

ディテールパス

2ステップで半分のサイズのドラフトを作り、lanczosでピクセルアップスケールし、VAEエンコードしてから、3ステップ、denoise = sigma_0で2回目のサンプリングを行います。開始シグマが調整の要です。0.4〜0.55はドラフトを保ちながら仕上げ、0.7はディテールが増える代わりに平坦な領域に斑点が出たり顔がずれたりすることがあります。編集では0.55以下に抑えてください。

半サイズのドラフト（左）、0.5と0.7でのパス（中央）、通常のフルサイズ2ステップレンダリング（右）。このパスは4 MPで1〜2秒追加します。

リアルタイムプレビュー

2ステップのフレームは低コストなので、デモSpaceは入力中に約1 MPをレンダリングし、FP8ビルドでおよそ1フレーム0.9秒、入力が止まると仕上げを行います。標準のスケジュールは6ステップに固定されているため、これこそがLoRAで可能になることです。

Mona Lisaのソースに対するライブプロンプト編集。チャンクごとに2ステップのフレームを1枚。

入手方法

• LoRA、ワークフロー、グリッド: akhaliq/minimax-h3-image-pdmd-2step
• デモSpace: akhaliq/minimax-h3-image-2step
• ベースモデル: MiniMaxAI/MiniMax-H3-Image、ComfyUIリパックはComfy-Org/MiniMax-H3-Image
• LoRA上流: pdmd2026/pdmd_2NFE_lora、手法はarXiv 2609.35768