PDMD: ComfyUI용 4스텝 MiniMax H3 증류

DMD 대상	PDMD 대상

두 패널 모두 MiniMax H3 실행의 동일한 스텝에서 실제 학습 업데이트 대상을 디코딩한 것입니다. 프로젝트 페이지는 PDMD 대상이 아티팩트를 더 적게 담고 있다고 제시하며, 이것이 바로 이 투영이 만들어내고자 하는 결과입니다.

PDMD가 바꾸는 것

DMD는 크리틱의 스코어와 학생 자신의 스코어 사이의 차이를 바탕으로 학생을 학습시킵니다. 그 업데이트에는 크리틱의 오류도 함께 실려 있고, 이 오류는 이후의 모든 학생 업데이트에 들어가 누적되며, 점진적인 과포화와 부자연스러운 텍스처로 나타납니다. PDMD는 DMD 업데이트를 유지하면서 학생과 크리틱의 엔드포인트 잔차를 따라가는 부분을 빼냅니다:

r = x0_critic - x0_student
d = d - (d * r).sum() / r.pow(2).sum() * r

논문은 고정된 노이즈 쿼리에서 이 잔차가 크리틱 엔드포인트 오류의 불편향 추정치이며, 고차원 가정 아래에서 이 투영이 이상적인 DMD 신호 중 사라질 정도로 적은 부분만 버리면서 크리틱 오류의 일정 비율을 제거한다는 것을 보여줍니다. 보조 손실, 추가 네트워크, 추가 모델 패스, 추가 학습 단계가 전혀 없는 DMD에 대한 한 줄짜리 변경입니다.

프로젝트 페이지의 직관 설명 그림입니다. DMD는 업데이트 방향을 따라 학생 엔드포인트를 이동시키고, PDMD는 엔드포인트 잔차에 평행한 성분을 투영으로 제거합니다.

공개된 내용

이번 릴리스는 이 방법의 MiniMax H3 쪽이며, 세 가지 산출물로 구성됩니다:

어댑터는 H3 트랜스포머의 312개 모듈, 624개 텐서에 rank 128과 alpha 128을 적용하며, Diffusers 키 레이아웃(transformer.<module>.lora_A.weight / transformer.<module>.lora_B.weight)을 따릅니다. VAE, 오디오 VAE, 스케줄러, 텍스트 인코더, 프로세서 등 나머지는 모두 베이스 모델에서 가져오며, safetensors 메타데이터에는 W_base += lora_scale * (lora_B @ lora_A) 융합 규칙과 lora_scale = 1.0이 기록되어 있습니다. 카드는 베이스 모델에 공개된 스케줄러 설정(shift 12 / 3)으로 4개의 디노이징 스텝을 요구합니다. 2스텝 저장소는 어댑터의 fp32 복사본도 함께 제공합니다.

결과

논문은 MiniMax H3와 Wan2.1에서의 이 방법을 보고합니다. MiniMax H3에서는 544p, 고정 시드로 387개 프롬프트를 사용하는 VideoGen-Eval을 사용합니다:

| 방법 | NFE | 총점 | 품질 | 다이내믹 | 시맨틱 | PQ | CE | CU | IS | |--|--:|--:|--:|--:|--:|--:|--:|--:| | MiniMax-H3-33B, 교사 | 50 | 82.41 | 82.22 | 66.67 | 83.20 | 6.567 | 4.188 | 6.213 | 5.15 | | MiniMax-H3-33B | 4 | 79.48 | 79.54 | 44.44 | 79.23 | 6.056 | 3.167 | 5.580 | 3.35 | | H3 Turbo LoRA | 4 | 81.57 | 81.29 | 54.78 | 82.69 | 6.406 | 3.917 | 6.015 | 4.52 | | DMD2† | 4 | 82.27 | 82.51 | 59.95 | 81.34 | 6.305 | 3.434 | 5.871 | 4.06 | | DMD† | 4 | 82.76 | 82.68 | 61.76 | 83.05 | 6.381 | 3.801 | 5.931 | 4.79 | | rCM† | 4 | 81.18 | 80.98 | 58.40 | 81.95 | 6.063 | 3.711 | 5.446 | 3.69 | | AnyFlow† | 4 | 81.97 | 81.82 | 64.60 | 82.60 | 6.092 | 3.544 | 5.591 | 4.35 | | PDMD | 4 | 83.17 | 83.25 | 71.83 | 82.86 | 6.530 | 4.062 | 6.180 | 4.98 |

†는 공유 프로토콜로 학습된 저자들의 재구현을 나타냅니다.

Wan2.1-T2V-1.3B에서는 480p로 944개 프롬프트와 각각 5개의 시드를 사용하는 VBench를 사용합니다:

초록은 MiniMax H3의 비디오 및 오디오 동시 생성에서 4스텝 PDMD 학생이 VideoGen-Eval 비주얼 총점 83.17을 기록해 가장 강력한 증류 베이스라인보다 0.41점 높고, 비교 대상 4스텝 모델 중 6개 오디오 지표 모두에서 최고 결과를 차지한다고 밝힙니다. Wan2.1에서는 4스텝에서 VBench 총점 83.73을 보고했으며, 이는 동일 조건의 DMD 실행보다 1.03점 높습니다. 프로젝트 페이지는 시각적 품질, 모션, 오디오 품질 면에서 PDMD가 증류 베이스라인보다 우수하다는 정성적 비교와 사용자 연구를 추가로 제공합니다.

ComfyUI에서 실행하기

공식 릴리스는 노드가 아니라 Diffusers를 대상으로 합니다: inference.py와 run_a10.py는 학생 모델이 학습된 리노이즈 규칙으로 샘플링하며, 릴리스에는 워크플로 JSON이 포함되어 있지 않습니다.

ComfyUI에서는 변환만 거치면 어댑터가 평범한 LoRA가 됩니다. Kijai는 Kijai/MiniMax-H3-experimental에 rank를 줄인 변환본을 게시했습니다: minimax_h3_pdmd_2step_lora_avg_rank_38_bf16.safetensors와 minimax_h3_pdmd_4step_lora_avg_rank_57_bf16.safetensors. 이들은 커스텀 노드 없이 표준 MiniMax H3 LoRA 경로로 로드되며, 다만 rank 축소와 샘플러 설정이 논문에서 평가한 것과 다르다는 점은 늘 유의해야 합니다. 커뮤니티 변환본인 Iwannapose/minimax_h3_pdmd_4nfe_comfyui도 유통되고 있습니다.

공식 PDMD 트레일러. 프로젝트 페이지의 모든 프레임은 네트워크 평가 4회 이하로 실행됩니다.

프로젝트 페이지의 MiniMax H3 비교 그리드에서 가져온 두 클립으로, 프롬프트와 시드가 동일하며 각각 4스텝입니다:

4스텝의 DMD.

4스텝의 PDMD. 위 클립과 동일한 프롬프트와 시드입니다.

한계

• 공개된 MiniMax H3 학생 모델은 베이스 모델의 텍스트 인코더와 오디오 구성 요소로 1344x768을 대상으로 하므로, 이번 릴리스는 더 작은 모델이 아니라 샘플링 속도에 관한 결과입니다.
• ComfyUI 변환본은 rank 128 어댑터를 평균 rank 38 또는 57로 줄이므로, 논문이 평가한 정확한 파일이 아닙니다.
• 공식 노드나 워크플로 JSON이 없기 때문에 ComfyUI 지원은 커뮤니티 변환본과 그 키 레이아웃에 의존합니다. 릴리스 자체는 Diffusers 우선입니다.
• 위 표에서 단검(†)으로 표시된 여러 베이스라인은 공유 프로토콜로 학습된 저자들의 자체 재구현이며, 해당 프로젝트가 발표한 수치가 아닙니다.

이용 가능 여부

프로젝트 페이지: pdmd2026.github.io
논문: arXiv 2609.35768
코드: ZeamoxWang/pdmd
가중치: pdmd2026
ComfyUI 변환본: Kijai/MiniMax-H3-experimental
베이스 모델: MiniMaxAI/MiniMax-H3