MiniMax-H3-Image：在 ComfyUI 中实现 16 MP 文生图与图像编辑
在 ComfyUI 中运行 MiniMax-H3-Image：一个开放权重 checkpoint，即可在约 16 MP 下完成文生图与提示词驱动的图像编辑，并蒸馏至 6 步采样器步数。
MiniMax-H3-Image：在 ComfyUI 中实现 16 MP 文生图与图像编辑
在 ComfyUI 中运行 MiniMax-H3-Image：一个开放权重 checkpoint，即可在约 16 MP 下完成文生图与提示词驱动的图像编辑，并蒸馏至 6 步采样器步数。
MiniMax-H3-Image 是 MiniMax 的开放权重图像模型，一个 checkpoint 同时覆盖文生图与图像编辑。其扩散 Transformer 为 33.1B 参数，采用 BF16 精度，并蒸馏为无需 CFG 的 6 步采样器。原生输出约为 16 MP，因此 4096 x 4096 的图像只需一次生成，而无需经过 upscale 链路。
相关链接
- MiniMaxAI/MiniMax-H3-Image (Hugging Face)：官方模型卡与权重
- MiniMax-H3-Image (ModelScope)：面向中国大陆的官方镜像
- MiniMax-AI/MiniMax-H3-Image (GitHub)：官方示例与 skill
- Comfy-Org/MiniMax-H3-Image (Hugging Face)：扩散模型与图像 VAE
- Comfy-Org/MiniMax-H3 (Hugging Face)：该模型使用的 Qwen3-VL-32B 文本编码器
- MiniMaxAI/MiniMax-H3-Image-PE (Hugging Face)：官方提示词扩展器
主要特性
- 在一个 checkpoint 中完成文生图与图像编辑：无需加载单独的编辑模型或适配器
- 6 步采样：引导固定为 1，因此没有 CFG 计算，也不需要负面提示词
- 原生约 16 MP：4096 x 4096 至 6272 x 2688，无需额外的放大流程
- 多参考图：最多 16 张输入图像，在提示词中从
<Picture 1>起依次引用 - 可选的提示词扩展器：将简短的请求转换为模型最容易理解的详细描述
- 开放权重：在 ComfyUI 中完全本地可控
[!TIP] > [tab] 本地用户 > > 请确保你的 ComfyUI 已经更新。 > > ComfyUI 下载 > ComfyUI 更新教程 > > 本指南里的工作流可以在工作流模板中找到。如果找不到，可能是 ComfyUI 没有更新。 > > 如果加载工作流时有节点缺失，可能原因有： > > 1. 你用的不是最新版（每夜版）。 > 2. 启动时有些节点导入失败。 > [tab] 云端用户 > > * Cloud 会在 ComfyUI 稳定版本发布后更新。 > > 所以，如果你发现本文档中有任何核心节点缺失，可能是因为新核心节点尚未在最新稳定版中发布。请等待下一个稳定版发布。
模板
该模型附带两个模板工作流。两者都需要 ComfyUI 0.45.0+ 和模板包 0.11.104+。
MiniMax-H3-Image 文生图
用文本提示词生成图像。模板以 4 MP 在方形画布上打开，刻意低于模型的原生分辨率，以免低显存机器出现内存不足。当 GPU 尚有余量时，可用分辨率选择器提高尺寸。
[card] 下载工作流 下载 JSON，或在模板库中搜索 "MiniMax-H3-Image: Text to Image"
MiniMax-H3-Image 图像编辑
描述想要的改动即可编辑图像。模板将来源图像作为 <Picture 1> 加载，根据你的指令构建能感知参考图的描述，最后以对比前后的节点收尾。
[card] 下载工作流 下载 JSON，或在模板库中搜索 "MiniMax-H3-Image: Image Edit"
输入素材
模板自带一张来源图像，在其 LoadImage 节点中作为 <Picture 1> 加载。
[card] vintage\_yellow\_taxi.png 模板需要编辑的来源图像
模型下载
四个文件放入 ComfyUI/models，全部来自 Comfy-Org 镜像仓库。
[card] 扩散模型：minimax\_h3\_image\_pruned\_int8\_convrot.safetensors 剪枝 INT8 DiT，21 GB。放入 ComfyUI/models/diffusion_models/
[card] 文本编码器：qwen3vl\_32b\_minimax\_h3\_int8\_convrot.safetensors Qwen3-VL-32B，INT8，25.28 GB。放入 ComfyUI/models/text_encoders/
[card] 提示词扩展器：qwen3.5\_9b\_w4a8\_gptq.safetensors Qwen3.5 9B W4A8，7.34 GB。放入 ComfyUI/models/text_encoders/
[card] VAE：minimax\_h3\_image\_vae\_fp16.safetensors 图像 VAE，FP16，1.17 GB。放入 ComfyUI/models/vae/
模型存储位置
📂 ComfyUI/
├── 📂 models/
│ ├── 📂 diffusion_models/
│ │ └── minimax_h3_image_pruned_int8_convrot.safetensors
│ ├── 📂 text_encoders/
│ │ ├── qwen3vl_32b_minimax_h3_int8_convrot.safetensors
│ │ └── qwen3.5_9b_w4a8_gptq.safetensors
│ └── 📂 vae/
│ └── minimax_h3_image_vae_fp16.safetensors
采样与画布尺寸
两个模板均采用蒸馏调度方案：
| 设置 | 值 |
|---|---|
| 采样器 | euler |
| 调度器 | simple |
| 步数 | 6 |
| 引导（CFG） | 1 |
| 降噪 | 1 |
引导值为 1 时不存在无分类器引导（classifier-free guidance）过程，因此模板中不携带负面提示词。请把所有你想要的内容，包括需要避免的内容，都写进正向提示词中。
原生输出约为 16 MP。每条边都生成于 32 px 的倍数，任意宽度和高度均可接受。以下尺寸覆盖了常见的比例：
| 宽高比 | 尺寸（宽度 x 高度） |
|---|---|
| 1:1 | 4096 x 4096 |
| 4:3 | 4736 x 3552 |
| 3:4 | 3552 x 4736 |
| 3:2 | 5024 x 3360 |
| 2:3 | 3360 x 5024 |
| 16:9 | 5472 x 3072 |
| 9:16 | 3072 x 5472 |
| 21:9 | 6272 x 2688 |
更小的画布同样可行，且耗时更少。在文生图模板中，分辨率选择器分别设置宽高比和目标百万像素数，因此 4 MP 只是起点，而非上限。
图像编辑中的参考图像
图像编辑模板会将来源图像作为 <Picture 1> 发送给模型。额外图像会按顺序标记为 <Picture 2>、<Picture 3>，最多支持 16 个参考图像，提示词会通过各自的标签来引用这些图像。第一张图像是待编辑的图像；其余图像提供身份、道具、材质或构图。简短的指令就足够了，例如将 <Picture 1> 中的车辆替换为 <Picture 2> 中的车辆。
要添加参考图像，请在工作流中再放置一个 Load Image 节点，并将其同时连接到提示词生成步骤和条件节点。参考图像无需任何预处理：模板会将来源图像取整为 32 px 的倍数，而 ComfyUI 会自行缩放内部副本，视觉侧使用 1024 px 的短边，VAE 侧使用限制在 1024 到 2048 px 之间的短边，两者都对齐到 32 px 网格。
如果编辑过程中内存不足，请在模板中启用 Resize Image/Mask 节点，并在采样前降低其百万像素数。
提示词扩展器
两个模板都在采样器之前放置了一个文本生成步骤。在文生图模板中，它会把提示词改写为一段详细的英文描述，并为画布选定一个宽高比例。在图像编辑模板中，它会把简短的指令转换为一段带有参考信息的、对已完成图像的描述。
MiniMax-H3-Image 的官方扩展器是一个 Qwen3.8-27B FP4 模型，发布在 MiniMaxAI/MiniMax-H3-Image-PE。模板使用的是更轻量的 Qwen3.5 9B W4A8 版本，因此扩展器可以与 21 GB 的 diffusion 模型一起装在单张 GPU 上。
文生图模板出厂时关闭了扩展器，因此你的提示词会按原样送入模型；当你希望自动改写描述并选择宽高比例时，可以将其开启。图像编辑模板出厂时已开启扩展器。