原题:akhaliq/minimax-h3-image-pdmd-2step
社区作者把论文 pDMD(arXiv 2609.35768)放出的 2 步 LoRA(rank 128,覆盖全部 50 个块的注意力和前馈层)整理给 MiniMax-H3-Image 用:原模型按固定 6 步调度蒸馏过,2 步时画面还没收敛,合入这个 LoRA 后 2 次去噪就能出完整图,原生分辨率 4096×4096。仓库提供四种文件:diffusers 键名的 LoRA、ComfyUI 键名的 LoRA、已合并 LoRA 的 40GB ComfyUI 单文件检查点,以及转换成 diffusers 格式的官方 transformer。作者称在一张 H200 上 4096×4096 原版 6 步约 25.1 秒、2 步约 17.4 秒。
为什么重要 原版固定 6 步、降不下来;两步可以边打字边出预览,换种子、改提示词更快,且附三套 ComfyUI 工作流
上升分 47 · 点赞 47 · 下载量 17989
理由
- ComfyUI 两条路:直接下单文件检查点(不用 LoRA 节点),或在官方 Comfy-Org 打包上加 2GB 的 LoRA,强度固定 1.0;作者称在最新 ComfyUI 上验证过、键名全部匹配
- 附细节增强流程:半尺寸 2 步草图 → 像素放大 → 重新编码 → 3 步重采样,起始噪声 0.4–0.55 保持构图、0.7 细节更多但可能漂移
- 演示 Space akhaliq/minimax-h3-image-2step 可以边输入边看约 1MP 的实时预览
用法
- ComfyUI:把 minimax_h3_image_pdmd_2step_bf16.safetensors 放进 models/diffusion_models,文本编码器和 VAE 用 Comfy-Org/MiniMax-H3-Image 的;MiniMaxH3SigmaShift 设 shift_video 12,采样器 euler、调度 simple、steps 2;或直接拖入仓库 workflows/ 里的现成工作流
- diffusers:lora_model_0.safetensors 可合并进 MiniMaxH3Transformer3DModel,scheduler.set_shift(12.0)、set_timesteps(3),不用 CFG 和反向提示词
风险
- LoRA 本身 Apache-2.0,但生成内容仍受 MiniMax-H3-Image 社区许可约束(有地区和署名条款)
- 示例图在 P-H3-Image 的管线里渲染;diffusers 新合入的官方 MiniMax-H3-Image 管线与这个 LoRA 的键名是否匹配,作者称还没测
- 量化的 int8_convrot / w4a8 检查点不能预合并,只能走 LoRA 节点;本条未运行