MiniMax H3 Image: быстрый локальный редактор изображений

Что в ролике
Новая открытая модель MiniMax H3 Image быстрее GPT Image и Nano Banana и умеет генерировать 4K-картинки меньше чем за 10 секунд на видеокарте с 16 ГБ VRAM. Автор сравнивает её с Qwen Image в задачах редактирования: обе неплохо объединяют несколько референсов и достраивают недостающие части персонажа, но при реставрации старых фото Qwen точнее, а MiniMax добавляет деталей. В генерации текстом модель соперничает с Korea 2: у MiniMax лучше позы и UI-дизайн, но Korea 2 выигрывает в фотореализме и сложной йога-позе. Для установки нужен ComfyUI, свежая версия, затем скачиваются diffusion-модель на 12,5 ГБ, текстовый энкодер на 27 ГБ (или 15,7 ГБ FP4 только для Blackwell) и VAE на 1,2 ГБ. Модель не любит разрешение 1 мегапиксель, поэтому в рабочем процессе изображение ресайзится до 4 мегапикселей, а генерация 2K занимает 11 секунд, редактирование 4MP — 26 секунд. Для карт с меньшим объёмом VRAM есть квантованные GGUF-версии от 6,88 ГБ и сжатые текстовые энкодеры, которые подключаются через ноду Comfy-GGUF от City96. В конце автор признаёт, что в генерации текстом другие открытые модели в чём-то лучше, но за скорость и редактирование ставит MiniMax в число лучших открытых редакторов.
Практика
- Что получишь
- Поймёте, на что способна MiniMax H3 Image в генерации и редактировании, и сможете запустить её локально в ComfyUI, включая на картах с небольшим объёмом VRAM.
- Первый шаг
- Обновить ComfyUI до последней версии и открыть встроенный шаблон MiniMax Image или скачать workflow по ссылке под видео.
- Цифры
- —4K за 10 секунд — скорость генерации MiniMax H3 Image на видеокарте с 16 ГБ VRAM
- —12,5 ГБ — размер diffusion-модели W4A8, которую скачивает автор для ComfyUI
- —6,88 ГБ — размер самой сжатой GGUF-версии diffusion-модели для слабых карт
- —26 секунд — время редактирования изображения в 4 мегапикселя на том же железе
- Честно
- Ролик содержит рекламную интеграцию Higsfield с партнёрской ссылкой, а в конце автор продвигает бесплатную рассылку. Все модели и готовые workflow лежат по ссылкам в описании, их нужно скачивать вручную; настройки нод и команды показаны только на экране. Для карт с объёмом менее 12 ГБ придётся использовать квантованные GGUF с небольшой потерей качества, а FP4-энкодер работает только на видеокартах NVIDIA Blackwell.
Если слова незнакомы — 7 терминов
- VRAMпамять видеокарты, в которой выполняются модели
- diffusion-модельосновная модель, поэтапно превращающая шум в изображение
- текстовый энкодерчасть модели, переводящая текстовый промпт в формат, понятный генератору
- VAEкомпонент, который сжимает и восстанавливает изображение
- GGUFсжатый формат модели, позволяющий запускать её на меньшем объёме VRAM
- workflowготовая схема узлов в ComfyUI, задающая порядок обработки изображения
- референсыисходные изображения, на которые модель опирается при генерации или редактировании
Связки из этого ролика
3 шт.- ComfyUI + MiniMax H3 Image
- Higsfield + Seedance 2.5
- Higsfield + Claude
Компоненты
9 шт.Формат: пошаговый урок · для практикующих · уверенность разметки 0.85 · источник