Pruna P-H3-Image: gyors képmodell, de nem az EU-nak

Mi történt?

A modelltömörítésre szakosodott Pruna AI november 3-án kiadta a P-H3-Image képgeneráló modellt (Pruna). Az alapja a MiniMax H3 videómodell, amelyből a Pruna egy hétszer kisebb, ötször gyorsabb képmodellt faragott. 2 és 16 megapixel közötti képeket generál. Több bemeneti képből is tud szerkeszteni (a blog 9, a Hugging Face-oldal 8 képet említ).

Hogyan lett ilyen kicsi?

• A teljes modell 143 GB-ról 20 GB-ra csökkent.
• A lépésszám 50-ről 8-ra esett DMD disztillációval.
• A szövegkódolót 32 milliárdról 4 milliárd paraméterre cserélték (67 GB helyett 9 GB).
• A backbone 33 milliárdról 20 milliárd paraméterre zsugorodott. Új, egyképkockás dekódert is kapott.
• A promptokat egy Qwen3.5-9B alapú upsampler bővíti.

Sebesség

A Pruna mérése szerint egy 4 megapixeles kép B200-on 2,6 másodperc alatt készül el (az eredeti 12,4 másodperc helyett), 8 megapixelen 5,8 másodperc (30,6 helyett). 4 bites változatban egy L40S-en 6,3 másodperc, 8 megapixelen kb. 21 GB VRAM kell. A modell natívan fut Diffusersben és ComfyUI-ban. A Pruna maga is jelzi, hogy a kezek és az apró szövegek még gyenge pontok.

A licenc a lényeg

A súlyok elérhetők a Hugging Face-en, de a modell a MiniMax H3 Community License alá esik. Ez kizárja az Európai Uniót, az Egyesült Királyságot, Dél-Koreát és az Egyesült Államokat, ott csak külön MiniMax-licenccel használható. A felhasználásnál a „Powered by MiniMax H3” feliratot is fel kell tüntetni.

Miért fontos?

Technikailag látványos eredmény: egy videómodellből egy GPU-n futó, gyors képmodell lett. Magyar és más EU-s felhasználóknak viszont a licenc miatt ez jelenleg nem szabadon használható modell. Aki éles projektben gondolkodik, előbb a MiniMaxszal kell megállapodnia.