Pruna 开源 P-H3-Image：把 MiniMax-H3 视频模型改造成图像生成/编辑模型，8 步出图、提速 5 倍、体积缩小 7 倍

核心背景与行业痛点

开源图像模型这两年进步很快，但“画质好”和“跑得动”往往不能兼得：大模型动辄上百 GB、要 50 步采样，本地和中小团队很难部署。Pruna AI 是一家做模型压缩与推理加速的公司，此前做过基于 Wan 2.1 的 Wan Image。这次它的思路是：视频模型为了保证帧间一致，必须学会物体多角度外观、光照与材质，因此是很好的图像模型底座。MiniMax 今夏开源的 MiniMax-H3 本身也能出单帧图，但官方博客指出原版出图偏软、偏糊，而且体积大、速度慢。

架构亮点与底层机制

Pruna 改造了 H3 的每个组件：用 Qwen3.5-9B 训练小型提示词改写器，把短需求改写成 H3 更易理解的提示；把 32B 文本编码器蒸馏成 4B；把为视频调校的扩散调度改成更利于细节的版本，并用 DMD 蒸馏把步数从 50 降到 8；把占 Transformer 约 40% 的时间步处理模块换成小模块，主干从 33B 降到 20B；重新训练单帧解码器，避免视频解码器带来的模糊；最后做 8-bit 与 4-bit 量化。

权威 Benchmark 与实测跑分对比

官方未公布第三方质量榜单成绩，下列均为 Pruna 官方口径的速度与显存对比：单张 B200 上 4MP 图 12.4 秒→2.6 秒，8MP 图 30.6 秒→5.8 秒；L40S（48GB）上 4MP 由 19 秒（bf16 卸载）降到 6.3 秒（4-bit）。下载体积 143GB→55GB（bf16）/20GB（4-bit），8MP 峰值显存约 21GB（4-bit）。官方也坦言局限：手部、背景小人物和细节在 8MP 以下可能变形，小字号或密集文字（如正文、代码）不可靠。

开发者实战落地与开箱指南

权重在 Hugging Face 的 PrunaAI/P-H3-Image（Modular Diffusers 管线，默认开启提示词改写器），ComfyUI 用户可直接下载 P-H3-Image-Comfy 的 bf16、8-bit 或 4-bit 版本，无需自定义节点。官方建议 8MP 画质最佳、4MP 兼顾速度；提示词先说明图像类型，只描述一个场景，要出现的文字加引号并保持简短，少用 “8k”“masterpiece” 等堆砌词。商用前务必读许可：欧盟、英国、韩国和美国默认不在授权范围内。