MiniMax-H3-Image：ComfyUI 中的 16 MP 文生图与图像编辑

ComfyUI Wikinews

MiniMax 开源 H3-Image：单个 33B checkpoint 同时支持 16 MP 文生图与多引用图像编辑，CFG 1 下仅需 6 步，ComfyUI 原生支持。

MiniMax-H3-Image 是 MiniMax 于 2026-11-10 发布的开放权重图像模型。单个 checkpoint 既能生成文生图，也能编辑最多 16 张引用图像，输出约 16 百万像素，仅需 6 步且无需 CFG。ComfyUI 原生支持已于同日合并（PR 17655），并随附官方 T2I 与 Edit 模板。

十五张 MiniMax-H3-Image 文生图结果：3D 奇幻战斗、风景画、树蛙、靛蓝兔子、3D 女孩、花卉人像、科幻城市、饺子、高地牛、镜中人像、水獭与绵羊、像素风猫、宝石甲虫、巨型樱桃、鱼眼自拍

十五张 16 MP 文生图结果。来源：MiniMaxAI/MiniMax-H3-Image

功能概览

输出尺寸4096x4096（1:1）至 6272x2688（21:9），约 16 MP，无需放大器
采样6 步，CFG 1，无负面提示词
编辑同一 checkpoint，每次运行最多 16 张引用图像
主干33.1B DiT（H3 架构，去除音频图层）
文本编码器Qwen3-VL-32B，第 50 层隐藏状态
VAE全新图像 VAE，16 倍下采样，24 个 latent 通道

该模型期望输入一段关于成图的长英文描述。MiniMax 托管的 H3-Image-Context-IR 可将简短提示词改写为这种形式；离线时你可以使用可选的 MiniMax-H3-Image-PE 提示词扩展器，或使用官方 ComfyUI 模板中已接入的 9B Qwen3.5 扩展器。

三张照片级写实图片：黄昏时分在屋顶晾床单的女子、卷发男子端杯的侧面特写、浅水中的火烈鸟

照片风格输出。来源：MiniMaxAI/MiniMax-H3-Image

使用引用图像进行编辑

编辑使用同一 checkpoint：通过 MiniMaxH3ImageConditioning 传入图像，并在提示词中以 Picture 1、Picture 2 指代它们。16 张图像的上限可覆盖诸如用九张产品图布置空房间，或将手绘游戏地图转换为第一人称视角等场景。

上方为十张家具引用图与一间空置的阳光房，下方为同一房间布置成客厅的样子

十张引用图：九件家具加一间空房。来源：MiniMaxAI/MiniMax-H3-Image

在 ComfyUI 中运行

  1. 将 ComfyUI 更新至 v0.45.0 或更高版本（2026-11-10 标记）。节点名为 MiniMax H3 Image Conditioning；T2I 与 Edit 模板已内置在模板浏览器中。

  2. 从 Comfy-Org/MiniMax-H3-Image 下载 Comfy-Org 重打包版本：

    文件文件夹大小
    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

    qwen3.5_9b 文件仅用于通过 Generate Text 进行提示词扩展，Edit 模板默认使用它。

  3. 加载模板，并将采样器设为 6 步、CFG 1。在排队之前先提高分辨率：模板默认从 4 MP 起步，以便在显存较小的显卡上运行，而低于 4 MP 下限的结果会变得模糊。

两个 JSON 均为官方 workflow_templates 文件，未作修改。

MiniMax-H3-Image 文生图模板的 ComfyUI 画面

T2I 模板：提示词扩展器、MiniMax H3 Image Conditioning、CFG 1 下的 6 步 K采样器。

注意事项

  • 16 MP 左右效果最佳。 MiniMax 给出的可用范围为 4 至 20 MP；常见的 16 MP 尺寸有 4096x4096、5472x3072 和 6272x2688。
  • 文字是一等目标。 指令遵循是该模型的核心卖点，下面的谜题板样本正是模型自行书写布局与标签的成果。
一次生成的两块逻辑谜题板：一块中文候选人选择谜题，一块英文 CONFIDENTIAL FILE MISSING 六名嫌疑人谜题板

文字密集的谜题板，由模型生成而非人工排版。来源：MiniMaxAI/MiniMax-H3-Image

资源

评论

使用 GitHub 登录后即可参与讨论。

评论加载中…
MiniMax-H3-Image：ComfyUI 中的 16 MP 文生图与图像编辑 | ComfyUI Wiki