Saltar al contenido principal
MiniMax-H3-Image es el modelo de imagen de pesos abiertos de MiniMax, y un solo checkpoint cubre tanto texto a imagen como la edición de imágenes. El transformer de difusión tiene 33.1B parámetros en BF16, destilado a un sampler de 6 pasos sin CFG. La salida es nativa a unos 16 MP, así que una imagen de 4096 x 4096 se genera en una sola pasada en lugar de una cadena de upscale. Enlaces relacionados

​
Características principales

  • Texto a imagen y edición en un mismo checkpoint: sin necesidad de cargar un modelo de edición o un adaptador aparte
  • Muestreo de 6 pasos: la orientación está fijada en 1, así que no hay pase CFG ni prompt negativo
  • Unos 16 MP de forma nativa: 4096 x 4096 hasta 6272 x 2688 sin un pase de upscale
  • Varias referencias: hasta 16 imágenes de entrada, a las que te refieres como <Picture 1> en adelante en el prompt
  • Expansor de prompt opcional: convierte una petición breve en el caption detallado que el modelo interpreta mejor
  • Pesos abiertos: control local completo en ComfyUI
Asegúrate de que tu ComfyUI esté actualizado.Los flujos de trabajo de esta guía se encuentran en las Plantillas de flujos de trabajo. Si no los encuentras en las plantillas, es posible que tu ComfyUI esté desactualizado.Si faltan nodos al cargar un flujo de trabajo, estas son las posibles razones:
  1. No estás usando la última versión de ComfyUI (versión nocturna)
  2. Algunos nodos fallaron al importarse durante el inicio

​
Plantillas

El modelo incluye dos flujos de trabajo de plantilla. Ambos requieren ComfyUI 0.45.0+ y el paquete de plantillas 0.11.104+.

​
MiniMax-H3-Image Texto a imagen

Genera una imagen a partir de un prompt de texto. La plantilla se abre a 4 MP en un lienzo cuadrado, deliberadamente por debajo de la resolución nativa del modelo para que las máquinas con poca VRAM no se queden sin memoria. Aumenta el tamaño con el Selector de resolución cuando la GPU tenga margen. Salida de ejemplo de texto a imagen de MiniMax-H3-Image

Descargar flujo de trabajo

Descarga el JSON o busca “MiniMax-H3-Image: Text to Image” en Template Library

​
MiniMax-H3-Image Edición de imagen

Edita una imagen describiendo el cambio. La plantilla carga la fuente como <Picture 1>, construye un caption que tiene en cuenta la referencia a partir de tu instrucción y termina con un nodo de comparación antes/después. Salida de ejemplo de edición de imagen de MiniMax-H3-Image

Descargar flujo de trabajo

Descarga el JSON o busca “MiniMax-H3-Image: Image Edit” en Template Library
Materiales de entrada La plantilla incluye una imagen de origen, cargada como <Picture 1> en su nodo LoadImage.

vintage_yellow_taxi.png

Imagen de origen que edita la plantilla

​
Descarga de modelos

Los cuatro archivos van en ComfyUI/models. Todos provienen de repositorios espejo de Comfy-Org.

Modelo de difusión: minimax_h3_image_pruned_int8_convrot.safetensors

DiT podado INT8, 21 GB. Colócalo en ComfyUI/models/diffusion_models/

Codificador de texto: qwen3vl_32b_minimax_h3_int8_convrot.safetensors

Qwen3-VL-32B, INT8, 25.28 GB. Colócalo en ComfyUI/models/text_encoders/

Expansor de prompt: qwen3.5_9b_w4a8_gptq.safetensors

Qwen3.5 9B W4A8, 7.34 GB. Colócalo en ComfyUI/models/text_encoders/

VAE: minimax_h3_image_vae_fp16.safetensors

VAE de imagen, FP16, 1.17 GB. Colócalo en ComfyUI/models/vae/
Ubicación de los modelos

​
Muestreo y tamaño del lienzo

Ambas plantillas incluyen la programación destilada: Con la orientación en 1, no hay una pasada de orientación libre de clasificador, por lo que las plantillas no incluyen un prompt negativo. Escribe todo lo que quieras, incluidas las cosas que quieres evitar, en el prompt positivo. La salida nativa es de unos 16 MP. Cada borde se genera en un múltiplo de 32 px, y puedes usar cualquier ancho y alto. Estos tamaños cubren las relaciones de aspecto comunes: Los lienzos más pequeños también funcionan y requieren menos tiempo. En la plantilla de texto a imagen, el Selector de resolución establece la relación de aspecto y los megapíxeles objetivo por separado, así que 4 MP es un punto de partida en lugar de un límite.

​
Imágenes de referencia en la edición de imágenes

La plantilla de edición de imágenes envía la imagen fuente al modelo como <Picture 1>. Las imágenes adicionales se etiquetan en orden, <Picture 2>, <Picture 3>, hasta 16 referencias, y el prompt se dirige a cada una por su etiqueta. La primera imagen es la que se edita; las demás aportan identidad, accesorios, materiales o composición. Basta con una instrucción breve, por ejemplo, reemplazar el vehículo de <Picture 1> por el de <Picture 2>. Para añadir una referencia, coloca otro nodo Load Image en el flujo de trabajo y conéctalo tanto al paso de generación del prompt como al nodo de acondicionamiento. Las imágenes de referencia no necesitan preparación: la plantilla redondea la fuente a un múltiplo de 32 px y ComfyUI escala las copias internas por sí mismo, con un lado corto de 1024 px para el lado de visión y un lado corto limitado entre 1024 y 2048 px para el lado del VAE, ambos en la cuadrícula de 32 px. Si una edición se queda sin memoria, habilita el nodo Resize Image/Mask de la plantilla y reduce sus megapíxeles antes del muestreo.

​
Expansor de prompt

Ambas plantillas incluyen un paso de generación de texto delante del sampler. En la plantilla de texto a imagen, reescribe el prompt en una descripción detallada en inglés y elige una relación de aspecto para el lienzo. En la plantilla de edición de imágenes, convierte una instrucción breve en una descripción de la imagen finalizada que tiene en cuenta la referencia. El expansor oficial para MiniMax-H3-Image es un modelo Qwen3.8-27B FP4, publicado como MiniMaxAI/MiniMax-H3-Image-PE. Las plantillas usan en su lugar una versión más ligera de Qwen3.5 9B W4A8, para que el expansor quepa junto al modelo de diffusion de 21 GB en una sola GPU. La plantilla de texto a imagen viene con el expansor desactivado, así que tu prompt llega al modelo exactamente como lo escribiste; actívalo cuando quieras que se reescriba la descripción y se elija la relación de aspecto por ti. La plantilla de edición de imágenes viene con él activado.