Wink Pings

Minimax H3-image 的 4MP 测试:十秒一张,差异大,偶尔翻车

Reddit 用户称 Minimax H3-image 被低估:4MP 下速度快、风格差异大、真实感不错,但也会出现身体恐怖和不合理结构。跟帖里有人夸,也有人对稳定复现提出反对。

Reddit 的 StableDiffusion 板块里,MomentJolly3535 发帖说 Minimax H3-image 被严重低估。它有问题,但长处也明显:风格差异、速度、真实感,生成结果没有那么“糊弄”。发帖人现在常用的三件套是 Krea 2、Moss、H3-image,其中 Krea 2 在有 LoRA 时仍是首选。

这次对比是开箱测试,不用 LoRA,不接节点,全部 4MP,三款模型每张图大约 8 到 13 秒。图中这张修女肖像就是 H3-image 的输出,提示词在评论区:满脸黑红纹身、十字架和宗教符号、鼻环、额前十字纹身、双手合十、浅景深、柔和漫射光。风格有点边缘,也有点安静。

Minimax H3-image 生成的修女肖像

发帖人认为 H3-image 的强项是多样性。同一个提示词按一次生成,出来的构图和气质可能差很远,按 generate 键有类似开盲盒的多巴胺感。代价是偶尔出现身体恐怖和不合理结构。这个说法在跟帖里有人认同,也有人反对:CooperDK 认为同样种子和 CFG 下,同提示词必须稳定复现,否则工具不可控;发帖人回复说,如果每次都是同一个机位,那种稳定反而让创意变窄。他喜欢 H3-image 的地方在于,既有 distilled 模型的速度,又保留了一点 base 模型的随机性。

硬件方面,发帖人用 3090,int8 模型,文本编码器用的是 int4,正在考虑换更高精度。另一位 12GB 显存、32GB 内存的用户在 ComfyUI 里跑 pruned int8 convrot 版本,关掉 PE。4MP 第一次因为 off-loading 花了 1 分 9 秒,第二次同样设置换随机种子 11 秒。16MP 大约 46 到 65 秒。再往上,69MP 花了 6 分 42 秒,100MP 花了 13 分 40 秒,还触发 ComfyUI 的 DecompressionBombWarning。高速说的是 4MP 档,高像素仍然要等。

跟帖里另一张 H3-image 输出

实际使用上,发帖人补充了两份官方提示词参考,想试的话最好先看:文生图 skills 链接是 https://github.com/MiniMax-AI/MiniMax-H3-Image/blob/main/skills/h3-image-prompt-writing/references/t2i-en.txt ,图像编辑 skills 链接是 https://github.com/MiniMax-AI/MiniMax-H3-Image/blob/main/skills/h3-image-prompt-writing/references/edit-en.txt 。有人用 H3 Edit 时踩过默认 ComfyUI 模板的坑,底部提示词增强器开着,结果不理想;关掉后自己写提示词,效果明显好转,甚至在同一张图同一提示词下,把 Qwen 2.1 Edit 比了下去。

跟帖里也有人原本用 H3 视频模型出图,喜欢它的提示词风格,但远景人脸不行,正在犹豫是否换 H3-Image。有人愿意拿同一提示词做对比。还有人说 MOSS 轻量、通用,但身体恐怖和奇怪伪影不少;另一位用户用久了反而把 MOSS 当成当前最爱。H3-image 的风评大概也是这样:它不完美,4MP 下的速度和多样性确实值得试,高分辨率和稳定性则要看具体工作流。

发布时间: 2026-11-19 20:51