使用 pDMD LoRA 让 MiniMax-H3-Image 实现 2 步生成

ComfyUI Wikinews

pDMD 2 步 LoRA 将 MiniMax-H3-Image 从 6 步降至 2 步，在原生 16 MP 下单张图像从 25.1 秒缩短到 17.4 秒，并附带现成的 ComfyUI 工作流。

MiniMax-H3-Image 按设计需要 6 步采样。akhaliq 将 pDMD 2-NFE LoRA 合并进 Comfy-Org checkpoint，因此同一个 33.1B 模型只需 2 个去噪步即可完成：在单张 H200 上，每张 4096x4096 图像从 25.1 秒降至 17.4 秒。仅使用 ComfyUI 原生节点，附三个现成工作流。
原生 MiniMax-H3-Image 在 2 步下使用 pDMD LoRA 的 2 步结果
原生 checkpoint，2 步使用 pDMD LoRA，2 步

十二个提示词，4096x4096，两步，flow shift 12，种子 3。原生模型无法低于其固定的 6 步调度，因此在 2 步时它仍处于去噪中途。

运行方式

两种加载方式，同一个节点图。

  • 单文件： 将 40 GB 的 minimax_h3_image_pdmd_2step_bf16.safetensors 下载到 ComfyUI/models/diffusion_models/，另外还需要一个 Qwen3-VL-32B 文本编码器，以及来自 Comfy-Org/MiniMax-H3-Image 的图像 VAE。LoRA 已经合并，因此不需要 LoRA 节点，也无需设置强度。
  • 基础模型加 LoRA： 保留当前 Comfy-Org checkpoint，并将 2 GB 的 minimax_h3_pdmd_2nfe_comfyui.safetensors 添加到 ComfyUI/models/loras/，在 UNet加载器（Load Diffusion Model）与 MiniMaxH3SigmaShift 之间插入 LoraLoaderModelOnly，强度设为 1.0。这是 int8_convrot 和 w4a8 重打包版本唯一的途径，因为预合并的权重无法构建在旋转或量化张量之上。

然后采样 2 步，采样器 euler，调度器 simple，denoise 1.0，shift_video 12，不使用 CFG。Latent 来自 EmptyHunyuanLatentVideo，因为 H3 的图像 Latent 只有一帧。

速度带来的收益

配置4096x4096，单张 H200
原生，6 步约 25.1 秒
pDMD LoRA，2 步约 17.4 秒
2 步加 IC 精修约 50 秒

单张图像的收益约为 1.4 倍，而不是 3 倍：步数从 6 步降到 2 步，但在 16 MP 下每一步仍要跑同一个 33B transformer。更大的收益在于 demo Space 上的迭代速度：加上细节精修，它以约 4.6 秒渲染 2048x2048，而官方 6 步 Space 在相同尺寸下约需 7 秒。

对大多数提示词而言，2 步都够用。图形类提示词可能会生成伪文字，构图也可能偏离原生结果；3 步是稳妥的折中，4 步最接近 6 步的输出。编辑任务同理。

细节精修

先用 2 步在半尺寸下出草稿，用 lanczos 做像素级放大，VAE 编码，然后进行第二次采样：3 步，denoise = sigma_0。起始 sigma 是关键旋钮：0.4 到 0.55 在保持草稿的同时进行打磨，0.7 能增加更多细节，但可能在平坦区域产生噪点并让人脸偏移。编辑任务请保持在 0.55 或以下。

同一提示词下的草稿、denoise 0.5 与 denoise 0.7

左侧为半尺寸草稿，中间为 0.5 和 0.7 的精修结果，右侧为普通的全尺寸 2 步渲染。在 4 MP 下精修只需增加 1 到 2 秒。

实时预览

由于 2 步出图成本很低，demo Space 会在你输入时渲染约 1 MP 的画面，在其 FP8 版本上每帧约 0.9 秒，并在你停顿时进行精修。这正是 LoRA 带来的能力：原生调度被固定在 6 步。

以蒙娜丽莎来源图像进行实时提示词编辑，每个分块渲染一帧 2 步结果。

获取方式

评论

使用 GitHub 登录后即可参与讨论。

评论加载中…
使用 pDMD LoRA 让 MiniMax-H3-Image 实现 2 步生成 | ComfyUI Wiki