Новый монстр - MiniMax-H3-Image
Приветствую друзья.
На днях в экосистеме ComfyUI появилось кое-что действительно монструозно- монументальное. Команда MiniMax выпустила открытую модель MiniMax-H3-Image.
Это не просто очередная вариация на Flux3, а настоящая 33-миллиардная махина от команды MiniMax, у которой под капотом много нестандартных инженерных решений.
Если вам позволяет железо, то попробовать как мне кажется стоит, ибо в этой модели:
Честное 4K сразу, без костылей. Модель изначально обучали выдавать картинку вплоть до 16 мегапикселей (4096×4096). Это значит, что мелкие детали, фактура кожи, надписи и фоны рисуются сразу за один заход, а не через связки из апскейлеров, тайлинга и контролнетов.
Всего 6 шагов сэмплирования. Модель прошла CFG-дистилляцию. Это спасает ситуацию: при таком гигантском размере весов вам не нужно ждать 30–50 шагов, сэмплер успевает выдать готовый, четкий результат буквально за 6 тиков.
Мультимодальное редактирование до 16 картинок. Один и тот же чекпоинт генерирует с нуля и работает как умный редактор. Ему можно передать до 16 референсов и прямо в тексте обращаться к ним через теги: <Picture 1>, <Picture 2> и так далее (например: «Возьми персонажа из <Picture 1> и посади за руль машины из <Picture 2>»).
Связка из двух языковых моделей. Вместо привычного T5 или старого CLIP здесь трудится мультимодальный гигант Qwen3-VL (32B), а в паре с ним идет отдельный помощник Qwen3.5 (9B), который умеет брать короткую фразу и дописывать детали по свету, фокусу и оптике.
