P-H3-Image: генерация изображений MiniMax H3 в ComfyUI

Примеры из официальной карточки модели. Карточка позиционирует P-H3-Image для фотореализма, кинематографичных и журнальных образов, а также графических стилей с коротким текстом в кавычках.

Что представляет собой модель

Релиз представляет собой трансформер на 33,1 млрд параметров с текстовым энкодером на 4B, VAE и отдельным апсемплером промптов, 100 ГБ в bf16. Это дообучение MiniMax H3, а не новая архитектура, поэтому модель наследует VAE и стек внимания H3, а бюджет обучения тратит на статичные изображения, а не на видео.

Покрытие стилей из карточки модели, отрендерено в 8 МП.

Нативная поддержка в ComfyUI в день запуска

ComfyUI добавил поддержку PH3Image в PR 17506 (CORE-697) 2026-11-03, в тот же день, когда PrunaAI отправил ревизию update-for-launch в веса. Оба официальных шаблона в Comfy-Org/workflow_templates содержат minComfyUIVersion: 0.44.0, поэтому любая версия старше этого релиза не сможет их открыть.

Граф использует только встроенные ноды: Загрузить модель диффузии загружает checkpoint, MiniMax H3 Sigma Shift работает со значением 1.0 для обоих сдвигов, Загрузить CLIP с типом minimax загружает текстовый энкодер, а новая нода p-h3-image Conditioning превращает промпт и любые изображения в условие и латент изображения. Выборка выполняется через ManualSigmas на сетке из 8 шагов в Sampler Custom Advanced с Основным гидом и euler, без CFG и без негативного промпта. Опциональная LoRA загружается через Загрузчик LoRA (Только модель).

Какие файлы скачивать

PrunaAI/P-H3-Image-Comfy содержит веса в нативных форматах ComfyUI, и точности можно свободно комбинировать, если каждый компонент берётся из одной строки таблицы. Сам MiniMax H3 это 143 ГБ весов; самый маленький набор P-H3-Image это загрузка на 20 ГБ с пиком 21 ГБ VRAM при 8 МП.

Одни и те же промпты и seed в bf16, int8 и w4a8 при 8 МП; в каждом заголовке указаны размер загрузки и пик VRAM.

Файлы int8 очень близки к bf16, часто почти пиксель в пиксель. w4a8 сохраняет качество, но сильнее меняет детали, а иногда и композицию. Оба формата это собственные форматы квантования ComfyUI: int8 применяет групповой поворот Адамара против выбросов и хранит построчные масштабы с активациями, квантуемыми на лету, а w4a8 размещает 4-битные веса в кодовой книге на 16 уровней с масштабом FP8 на каждые 16 входов и оставляет чувствительные слои в int8. Ни один не требует калибровочных данных, и оба работают на ядрах INT8 из comfy-kitchen для NVIDIA Ampere и новее, а также AMD RDNA3/4.

Есть также LoRA на 2,0 ГБ в loras/, которая применяет то же поведение к вашим собственным весам MiniMax H3 вместо полного checkpoint. Два из четырёх рабочих процессов в репозитории построены вокруг неё.

Апсемплер промптов это часть модели

P-H3-Image гораздо лучше отрисовывает полные, конкретные промпты, чем короткие запросы, поэтому каждый пример рабочего процесса сначала запускает апсемплер. В ComfyUI это тоже не пользовательская нода: Загрузить CLIP с типом minimax плюс TextGenerate с жадным декодированием, поэтому один и тот же запрос всегда даёт один и тот же промпт.

Для текст-в-изображение Форматировать текст составляет Aspect ratio: 1:1 и Request: ... на двух строках с включённым thinking. Для редактирования он пишет блок <Picture N> для каждого изображения, причём image_1 имеет размер 1 МП, а референсы дополняются до этого размера через Пакет изображений. Переключатель If/Else Use prompt upsampler, установленный в false, отправляет запрос модели дословно.

Апсемплер запускается перед моделью диффузии, и ComfyUI выгружает его из VRAM, когда P-H3-Image требуется эта память, а его результат кэшируется, так что он запускается снова только при изменении запроса или изображений. Рекомендуется bf16-апсемплер: 19,3 ГБ и около 21 ГБ VRAM.

Редактирование с использованием до восьми изображений

При редактировании изменяемое изображение подаётся как image_1 плюс до семи референсов, в одном и том же порядке в Пакете изображений и на ноде условия, с блоком <Picture N> для каждого из них во входе апсемплера. Запрос может называть их как угодно, так что «шляпа со второго фото» ссылается на второе изображение. Редактируется только Picture 1; остальные служат контекстом.

Восемь портретов из общественного достояния и званый ужин, который P-H3-Image собрал из них одним запросом.

Результаты редактирования из официальной карточки.

8 МП это рабочая точка

Модель обучена на 8 МП, и карточка прямо говорит, что 2 и 4 МП хуже, причём артефакты наиболее заметны на лицах, руках и мелких деталях. Размер текст-в-изображение по умолчанию 2912 x 2912, а стороны округляются до кратных 32.

Один и тот же промпт и seed от 1 до 16 МП с увеличенным лицом. При 1 МП кожа гладкая и восковая; начиная с 8 МП проявляются текстура, отдельные волоски и серёжки.

Редактирования без явных width и height генерируются в размере Picture 1, увеличенном как минимум до 4 МП. Передача двух размеров меняет размер холста, а не изображения внутри него.

Доступность

• Веса и пайплайн diffusers: PrunaAI/P-H3-Image
• Файлы и рабочие процессы ComfyUI: PrunaAI/P-H3-Image-Comfy
• Браузерная демо-версия: PrunaAI/P-H3-Image на Hugging Face Spaces
• Поддержка в ComfyUI: PR 17506, в v0.44.0