HiDream-I1 是智象未来(HiDream-ai)于2025年4月7日正式开源的文生图模型。该模型拥有17B参数规模，采用 MIT 许可证 发布，支持用于个人项目、科学研究以及商用，目前在多项基准测试中该模型表现优异。

​
模型特点

混合架构设计 采用​​扩散模型（DiT）​​与​​混合专家系统（MoE）​​的结合架构：

  • 主体基于Diffusion Transformer（DiT），通过双流MMDiT模块处理多模态信息，单流DiT模块优化全局一致性。
  • 动态路由机制灵活分配计算资源，提升复杂场景处理能力，在色彩还原、边缘处理等细节上表现优异。

多模态文本编码器集成 整合四个文本编码器：

  • OpenCLIP ViT-bigG、OpenAI CLIP ViT-L（视觉语义对齐）
  • T5-XXL（长文本解析）
  • Llama-3.1-8B-Instruct（指令理解） 这一组合使其在颜色、数量、空间关系等复杂语义解析上达到SOTA水平，中文提示词支持显著优于同类开源模型。

原始模型版本

智象未来(HiDream-ai)提供了三个版本的 HiDream-I1 模型，以满足不同场景的需求，下面是原始的模型仓库链接：

​
关于本篇工作流示例

我们将在本篇示例中使用 ComfyOrg 的 repackaged 的版本，你可以在 HiDream-I1_ComfyUI 仓库中找到我们将在本篇示例中使用的所有模型文件。

在开始前请更新你的 ComfyUI 版本，至少保证在这个提交 之后才能确保你的 ComfyUI 有 HiDream 的原生支持

​
HiDream-I1 工作流

对应不同 ComfyUI 原生版本 HiDream-I1 工作流的模型要求基本上是相同的，只有使用过的 diffusion models 文件不同。

如果你不知道如何选择合适的版本，请参考以下建议：

  • HiDream-I1-Full 可以生成质量最高的图像
  • HiDream-I1-Dev 在生成较高质量的图像的同时，又兼顾速度
  • HiDream-I1-Fast 只需要 16 步就可以生成图像，适合需要实时迭代的场景

对于 dev 和 fast 版本并不需要负向提示词，所以请在采样时设置cfg 参数为 1.0，我们对应参数设置已在相关工作流中备注。

以上三个版本的完整版本对显存要求较高，你可能需要 27GB 以上的显存才能顺利运行。在对应版本的工作流教程中，我们将会使用 fp8 版本作为示例演示，以保证大多用户都可以顺利运行，不过我们仍会在对应示例中提供不同版本的模型下载链接，你可以根据你的显存情况来选择合适的文件。

​
模型安装

下面的模型文件是我们会共用的模型文件，请点击对应的链接进行下载，并参照模型文件保存位置进行保存，对应的 diffusion models 模型我们会在对应工作流中引导你进行下载。

text_encoders：

VAE

  • ae.safetensors 这个是 Flux 的 VAE 模型，如果你之前使用过 Flux 的工作流，你可能已经下载了这个文件。

diffusion models 这部分我们将在对应工作流中具体引导下载对应的模型文件。

模型文件保存位置

📂 ComfyUI/
├── 📂 models/
│   ├── 📂 text_encoders/
│   │   ├─── clip_l_hidream.safetensors
│   │   ├─── clip_g_hidream.safetensors
│   │   ├─── t5xxl_fp8_e4m3fn_scaled.safetensors
│   │   └─── llama_3.1_8b_instruct_fp8_scaled.safetensors
│   └── 📂 vae/
│   │   └── ae.safetensors
│   └── 📂 diffusion_models/
│       └── ...               # 将在对应版本的工作流中引导你进行安装

​
HiDream-I1 full 版本工作流

​
1. 模型文件下载

请根据你的硬件情况选择合适的版本，点击链接并下载对应的模型文件保存到 ComfyUI/models/diffusion_models/ 文件夹下。

​
2. 工作流文件下载

请下载下面的图片，并拖入 ComfyUI 中以加载对应的工作流

​
3. 按步骤完成工作流的运行

按步骤完成工作流的运行

  1. 确保Load Diffusion Model 节点中使用的是 hidream_i1_full_fp8.safetensors 文件
  2. 确保QuadrupleCLIPLoader 中四个对应的 text encoder 被正确加载
    • clip_l_hidream.safetensors
    • clip_g_hidream.safetensors
    • t5xxl_fp8_e4m3fn_scaled.safetensors
    • llama_3.1_8b_instruct_fp8_scaled.safetensors
  3. 确保Load VAE 节点中使用的是 ae.safetensors 文件
  4. 对于 full 版本你需要设置 ModelSamplingSD3 中的 shift 参数为 3.0
  5. 对于 Ksampler 节点，你需要进行以下设置
    • steps 设置为 50
    • cfg 设置为 5.0
    • (可选) sampler 设置为 lcm
    • (可选) scheduler 设置为 normal
  6. 点击 Run 按钮，或者使用快捷键 Ctrl(cmd) + Enter(回车) 来执行图片生成

​
HiDream-I1 dev 版本工作流

​
1. 模型文件下载

请根据你的硬件情况选择合适的版本，点击链接并下载对应的模型文件保存到 ComfyUI/models/diffusion_models/ 文件夹下。

​
2. 工作流文件下载

请下载下面的图片，并拖入 ComfyUI 中以加载对应的工作流

​
3. 按步骤完成工作流的运行

按步骤完成工作流的运行

  1. 确保Load Diffusion Model 节点中使用的是 hidream_i1_dev_fp8.safetensors 文件
  2. 确保QuadrupleCLIPLoader 中四个对应的 text encoder 被正确加载
    • clip_l_hidream.safetensors
    • clip_g_hidream.safetensors
    • t5xxl_fp8_e4m3fn_scaled.safetensors
    • llama_3.1_8b_instruct_fp8_scaled.safetensors
  3. 确保Load VAE 节点中使用的是 ae.safetensors 文件
  4. 对于 dev 版本你需要设置 ModelSamplingSD3 中的 shift 参数为 6.0
  5. 对于 Ksampler 节点，你需要进行以下设置
    • steps 设置为 28
    • (重要) cfg 设置为 1.0
    • (可选) sampler 设置为 lcm
    • (可选) scheduler 设置为 normal
  6. 点击 Run 按钮，或者使用快捷键 Ctrl(cmd) + Enter(回车) 来执行图片生成

​
HiDream-I1 fast 版本工作流

​
1. 模型文件下载

请根据你的硬件情况选择合适的版本，点击链接并下载对应的模型文件保存到 ComfyUI/models/diffusion_models/ 文件夹下。

​
2. 工作流文件下载

请下载下面的图片，并拖入 ComfyUI 中以加载对应的工作流

​
3. 按步骤完成工作流的运行

按步骤完成工作流的运行

  1. 确保Load Diffusion Model 节点中使用的是 hidream_i1_fast_fp8.safetensors 文件
  2. 确保QuadrupleCLIPLoader 中四个对应的 text encoder 被正确加载
    • clip_l_hidream.safetensors
    • clip_g_hidream.safetensors
    • t5xxl_fp8_e4m3fn_scaled.safetensors
    • llama_3.1_8b_instruct_fp8_scaled.safetensors
  3. 确保Load VAE 节点中使用的是 ae.safetensors 文件
  4. 对于 fast 版本你需要设置 ModelSamplingSD3 中的 shift 参数为 3.0
  5. 对于 Ksampler 节点，你需要进行以下设置
    • steps 设置为 16
    • (重要) cfg 设置为 1.0
    • (可选) sampler 设置为 lcm
    • (可选) scheduler 设置为 normal
  6. 点击 Run 按钮，或者使用快捷键 Ctrl(cmd) + Enter(回车) 来执行图片生成

​
使用建议

  • 虽然 HiDream-I1 支持中文提示词，但建议还是优先使用英文提示词来保证准确性
  • 你可以使用 fast 版本来快速生成示例验证，然后再用完整版本的模型来生成较高质量的图像

​
其它相关资源

​
GGUF 版本模型

你需要使用 City96 的 ComfyUI-GGUF 中的 Unet Loader (GGUF)节点替换掉 Load Diffusion Model 节点来使用 GGUF 版本模型。

​
NF4 版本模型