MiniMax-H3-Image: текст-в-изображение 16 МП и редактирование в ComfyUI
MiniMax открыла H3-Image: один 33B checkpoint для текст-в-изображение в 16 МП и редактирования по нескольким референсам, 6 шагов при CFG 1, нативно в ComfyUI.
MiniMax-H3-Image — открытая модель изображений от MiniMax, опубликованная 2026-11-10. Один checkpoint генерирует изображения по тексту и редактирует до 16 референсных изображений при разрешении около 16 мегапикселей за 6 шагов без CFG. Нативная поддержка в ComfyUI появилась в тот же день (PR 17655) вместе с официальными шаблонами T2I и Edit.
Пятнадцать результатов текст-в-изображение при 16 МП. Источник: MiniMaxAI/MiniMax-H3-Image
Что модель умеет
| Разрешение выхода | от 4096x4096 (1:1) до 6272x2688 (21:9), примерно 16 МП, без upscale |
| Выборка | 6 шагов, CFG 1, без негативного промпта |
| Редактирование | тот же checkpoint, до 16 референсных изображений за запуск |
| Архитектура | 33.1B DiT (архитектура H3 без аудиослоёв) |
| Текстовый энкодер | Qwen3-VL-32B, скрытые состояния слоя 50 |
| VAE | новый VAE для изображений, 16x понижение дискретизации, 24 латентных канала |
Модель ожидает длинное описание готовой картинки на английском. Хостинговый H3-Image-Context-IR от MiniMax переписывает короткие промпты в такую форму; локально его можно запустить с опциональным расширителем промптов MiniMax-H3-Image-PE или использовать расширитель Qwen3.5 9B, подключённый в официальном шаблоне ComfyUI.
Результат в фотографическом стиле. Источник: MiniMaxAI/MiniMax-H3-Image
Редактирование по референсным изображениям
Редактирование выполняется тем же checkpoint: подайте изображения через MiniMaxH3ImageConditioning и ссылайтесь на них в промпте как на Picture 1, Picture 2. Лимит в 16 изображений покрывает такие случаи, как обстановка пустой комнаты по девяти фотографиям мебели или превращение нарисованной игровой карты в вид от первого лица.
Десять референсов: девять предметов мебели плюс пустая комната. Источник: MiniMaxAI/MiniMax-H3-Image
Запуск в ComfyUI
-
Обновите ComfyUI до v0.45.0 или новее (тег от 2026-11-10). Нода называется
MiniMax H3 Image Conditioning; шаблоны T2I и Edit уже есть в браузере шаблонов. -
Скачайте репак от Comfy-Org из Comfy-Org/MiniMax-H3-Image:
Файл Папка Размер minimax_h3_image_pruned_int8_convrot.safetensorsdiffusion_models21.0 GB minimax_h3_image_pruned_w4a8.safetensorsdiffusion_models12.5 GB minimax_h3_image_pruned_bf16.safetensorsdiffusion_models40.2 GB qwen3vl_32b_minimax_h3_int8_convrot.safetensorstext_encoders27.1 GB qwen3vl_32b_minimax_h3_nvfp4_awq.safetensorstext_encoders15.7 GB qwen3.5_9b_w4a8_gptq.safetensorstext_encoders7.3 GB minimax_h3_image_vae_fp16.safetensorsvae1.2 GB Файл
qwen3.5_9bнужен только для расширения промптов черезGenerate Text, и шаблон Edit использует его по умолчанию. -
Загрузите шаблон и установите для сэмплера 6 шагов, CFG 1. Поднимите разрешение до того, как потратите очередь: шаблон стартует с 4 МП, чтобы уложиться в лимиты менее мощных карт, а результаты ниже порога в 4 МП получаются мягкими.
Оба JSON — официальные файлы из workflow_templates, без изменений.
Шаблон T2I: расширитель промптов, MiniMax H3 Image Conditioning, KSampler на 6 шагов при CFG 1.
Примечания
- Лучший результат около 16 МП. MiniMax указывает рабочий диапазон от 4 до 20 МП; распространённые размеры при 16 МП: 4096x4096, 5472x3072 и 6272x2688.
- Текст — полноценная цель генерации. Следование инструкциям — главное заявленное преимущество, и образцы головоломок ниже показывают, как модель сама выстраивает компоновку и подписи.
Доски с большим количеством текста, сгенерированные, а не собранные вручную. Источник: MiniMaxAI/MiniMax-H3-Image
Ресурсы
- MiniMaxAI/MiniMax-H3-Image (веса и примеры)
- Comfy-Org/MiniMax-H3-Image (репак для ComfyUI)
- MiniMaxAI/MiniMax-H3-Image-PE (опциональный расширитель промптов)
- Официальный учебник ComfyUI
- Страница модели
Комментарии
Войдите через GitHub, чтобы участвовать в обсуждении.