Pruna AI가 MiniMax-H3을 미세 조정하여 만든 이미지 모델: 텍스트-이미지 생성과 이미지 편집이 하나의 파이프라인을 공유하며, 8단계에 CFG 및 네거티브 프롬프트를 사용하지 않고 직접 800만 화소(8 MP)의 이미지를 출력합니다. 이미지 편집 시 최대 8장의 이미지를 입력할 수 있으며, 1번째 이미지는 편집 대상이고 나머지는 참고용입니다(프롬프트에서는 Picture 2, Picture 3 등으로 표기). 기본 활성화된 Qwen3.5-9B 기반 프롬프트 확장 모델이 포함되어 있어, 한 줄짜리 요구 사항을 이 모델이 가장 잘 처리할 수 있는 완전한 프롬프트로 변환하며, 이미지 편집 시에는 '어디를 수정하고 무엇을 유지할지' 형식으로 작성합니다. 10월 27일 리포지토리 생성, 11월 3일 업데이트 설명 추가, 최근 7기간 동안은 등재되지 않았습니다.
상승 점수 106 · 좋아요 109 · 다운로드 수 287
이유
- '한 줄로 고해상도 대형 이미지 생성, 전체 재그림 없이 편집'이라는 요구 사항을 해결합니다: 제작자는 이 모델이 사실적인 사진, 영화 및 잡지 스타일의 화면, 짧은 인용문이 포함된 그래픽 디자인에 가장 강하다고 설명합니다. 제작자의 비교 이미지에 따르면 짧은 요구 사항을 직접 입력할 경우 종종 전체가 다시 그려지지만, 편집자용 프롬프트로 확장하면 지정된 부분만 수정됩니다.
- 공식 자료에 따르면 단일 B200, bf16, 8 MP 설정에서 원본 그대로 렌더링 시 약 9초가 소요되고 피크 VRAM은 83GB이며, 확장 기능을 활성화하면 추가로 6–11초가 소요되고 피크 VRAM은 약 101GB입니다. 구성 요소는 33.1B 파라미터의 트랜스포머, 4B 텍스트 인코더, VAE 및 확장 모델로 이루어져 있으며 bf16 기준 총 용량은 100GB입니다.
- 제작자는 ComfyUI 버전(PrunaAI/P-H3-Image-Comfy)도 함께 공개했는데, ComfyUI 기본 노드만 사용하며 각 구성 요소마다 bf16, int8, w4a8 세 가지 정밀도를 혼합할 수 있습니다: 최소 세트 다운로드 용량은 20GB이며, 8 MP에서 피크 VRAM은 약 21GB입니다. 제작자는 int8이 bf16와 거의 픽셀 단위로 일치한다고 주장하며, w4a8은 세부 사항을 변경하고 때로는 구도를 바꾸기도 한다고 설명합니다. 48GB의 L40S에서 w4a8로 2048×2048 이미지를 생성하는 데 약 6.3초가 소요됩니다(bf16는 언로드가 필요하며 약 19초 소요). 또한 자체 MiniMax-H3에 적용 가능한 2.0GB LoRA도 제공됩니다.
사용법
- ComfyUI: 먼저
cd ComfyUI && git pull을 실행하여 최신 마스터 브랜치로 업데이트하세요(정식 릴리스, 데스크톱 버전 및 Comfy Cloud는 다음 릴리스를 기다려야 합니다). PrunaAI/P-H3-Image-Comfy 저장소에서 각 구성 요소별 파일을 하나씩 다운로드하여 ComfyUI/models의 해당 디렉터리에 배치한 후, workflows/ 폴더 내의 p-h3-image_text_to_image.json 또는 p-h3-image_edit.json 파일을 열고 한 줄의 요구 사항을 입력하여 실행하세요. 워크플로우는 오일러(euler) 샘플링, 8 단계, CFG 없음으로 설정되어 있으며, Load CLIP 유형은 minimax로 선택합니다. - diffusers:
pip install git+https://github.com/huggingface/diffusers，再用을 실행한 후,ModularPipeline.from_pretrained('PrunaAI/P-H3-Image')에load_components(dtype=torch.bfloat16)를 추가하여 사용합니다.image를 전달하면 이미지 편집이 수행되며, 이미지 목록을 전달하면 다중 이미지 참조가 수행됩니다. 80 GB 그래픽 카드를 사용하는 경우 ComponentsManager의enable_auto_cpu_offload를 사용하세요. 공식적으로 8 MP의 피크 메모리 사용량은 약 76 GB라고 합니다. - 해상도는 GPU의 8 MP 크기 표에 따라 설정하세요(기본값은 2912×2912이며, 16:9의 경우 3872×2176을 사용). 이미지 편집에는 4 또는 8 MP를 사용하세요. 프롬프트를 직접 작성할 때 첫 번째 문장에서 “이것은 어떤 이미지인가”를 명확히 설명하세요(예: 거리 사진작가가 촬영한 사진). 이미지에 표시할 텍스트는 따옴표로 감싸서 정확히 입력하고, 마지막에
no other text로 마무리하세요.stunning,8k,masterpiece와 같은 단어는 사용하지 마세요(저자는 이러한 단어가 사용되면 이미지가 번들거리고 채도가 과도해진다고 언급했습니다). 다운로드를 원하지 않는 경우 Space의 PrunaAI/P-H3-Image에서 먼저 테스트해 볼 수 있습니다.
리스크
- 라이선스는 MiniMax H3 커뮤니티 라이선스입니다: MiniMax의 별도 허락이 없으면 유럽 연합, 영국, 한국 및 미국은 커버리지에 포함되지 않으며, 이를 기반으로 한 제품에는 Powered by MiniMax H3라고 표기해야 합니다. 텍스트 인코더 중 Qwen3-VL-4B 부분과 확장 모델만 Apache-2.0 라이선스입니다.
- 제작자가 나열한 제한 사항: 프롬프트에 민감하여 과장된 형용사나 긴 프롬프트는 성능을 저하시킬 수 있습니다. 손이나 배경의 작은 인물 형태가 변형될 수 있으며, 작은 글씨와 밀집된 본문은 여전히 유사 문자로 변환될 수 있습니다. 2–4 MP에서는 얼굴, 손 및 세부 사항 오류가 더 자주 발생합니다. 단일 이미지만 생성하며 비디오나 오디오는 지원하지 않습니다. 본 칼럼에서는 예제 이미지를 확인하지 않았습니다.
- 진입 장벽이 높습니다: diffusers 원본 버전의 경우 8 MP에서 약 101GB의 VRAM이 필요합니다(확장 기능 비활성화 시 약 83GB). ComfyUI 버전은 현재 개발 버전에서만 사용 가능하며, int8 / w4a8는 comfy-kitchen의 INT8 커널에 의존하므로 NVIDIA Ampere 이상 또는 AMD RDNA3/4이 필요합니다. 속도 및 화질 비교 데이터는 모두 제작자 자체 측정 결과입니다.