MiniMax H3 Image 在 ComfyUI 原生支持，六步出图还带多参考编辑

MiniMax H3 Image 在 ComfyUI 里拿到发布当天的原生支持。一个 checkpoint 管两件事：接上参考图就是编辑工作流，不接就是文生图。

ComfyUI 是节点式工作流工具，H3 Image 是 MiniMax 的图像模型。这次支持的重点是默认参数和节点已经给好：六步采样，CFG-distilled，guidance 1，不需要负面提示。

原生输出尺寸覆盖常用比例：1:1 4096×4096，4:3 4736×3552，3:2 5024×3360，16:9 5472×3072，21:9 6272×2688。图是在这些尺寸上直接生成，没有走放大。

多参考编辑是另一个核心。连几张图，在提示里用 <Picture 1>、<Picture 2> 指代，编号按输入顺序走。提示最长 4096 tokens，官方说详细描述效果更好，也可以开 Prompt Enhancer。文本编码器是 Qwen3-VL，和 MiniMax H3 视频模型共用；已经跑 H3 视频的人，这个文件不用再下。

节点的几个设置容易踩：width 和 height 留 0 就自动定尺寸，文生图是 2048×2048，编辑时取 image_1 的尺寸。image_1 是被编辑的图，其他槽是参考。编辑时把 VAE 接上，参考图会以 latent 锚定，不只被文本编码器读一遍。

上手流程不复杂：更新 ComfyUI，从 Hugging Face 下载 diffusion model、VAE 和 Qwen3-VL 文本编码器，再从 Templates 面板载入 MiniMax H3 Image 模板，或直接用文生图和图像编辑工作流。不想下权重，Comfy Cloud 也有模板。完整说明在 ComfyUI 博客。

跟帖里的反馈比发布说明更有信息量。Ori_553 说 MiniMax 有低承诺、高交付的倾向。Pure_Bed_6357 接着补了一句，角色一致性比视频模型差。

分辨率也有争议。Hoodfu 贴了一张 16mp 示例，说别按上面说的 4mp 来，模型要到 16mp 才发挥得出来，原帖也提到模型按 16mp 训练；默认工作流给 4mp，细节会明显粗糙。

Loose-Journalist-555 的回帖相反：即使 16mp，也遇到怪脸和图像扭曲，他在问 Hoodfu 用什么设置。

速度方面，maxime-cole 问 24GB 卡上 4096 宽、6 步要多久。gutster_95 答 2mp 大约 20 秒，ok-onwrap 追问是 r2i 还是 t2i。

puppymeat 对 CFG-distilled 有保留：把它当卖点有点意思，但会让 LoRA 很难做。Mysterious_Soil1522 则被 8196 tokens 吓到，说这要跑 1.5 小时；他的 MiniMax 视频只要 5 分钟，没有这个 token 问题。levelhigher 在楼里问，本地部署是不是真的在追上商业产品。

H3 Image 把一个 checkpoint、原生高分辨率和多参考编辑塞进 ComfyUI 默认流程，省掉不少拼装工作。实际门槛还在默认分辨率、LoRA 适配和长提示成本上。想试，从模板开始最省事。