又给你们挖到一个宝！
有人把 33B 的视频大模型 MiniMax-H3 拆了，提纯出一个专职生图和改图的模型 P-H3-Image，把原本 143GB 的庞然大物直接塞进了一张 4090 里。
为什么要拿视频模型降维做生图？
普通文生图只学静态像素，光影和透视经常是硬凑的。
H3 这种全模态视频底座天天算跨帧运动和景深变化，脑子里本来就有三维空间物理规律。把它改造成只输出单帧，原生直出8MP（2912×2912）大图，胶片颗粒、纪实摄影和动漫分镜的质感非常顶。
几个关乎落地的硬指标：
50 步压到 8 步，砍掉 CFG
不需要填负向提示词，单步计算量直接减半。L40S 上跑一张 2048×2048 的图，从 bf16 卸载的 19 秒直接干到 6.3 秒。
原生 1~8 图指令级编辑
继承了 H3 的多图参考（Ref2VA）底座。Picture 1 作为修改底图，后面最多挂 7 张参考图，换装、多角色同框、跨图借光影都能一次跑通。
显存砍了 7 倍，ComfyUI 开箱即用
PrunaAI 打包了三档精度：
- 24G 显卡（4090）：直接下 w4a8 + int8 VAE 版，权重 20GB，跑 8MP 峰值显存 21GB。
- 32G/48G 显卡：下 int8_convrot 版，权重 30GB，峰值 31GB，画质和 bf16 基本没差别。
- 已经下过原版 H3 的老玩家：别重下几十 G 权重了，官方单独拎了一个 2.0GB 的 bf16 LoRA，挂到现有的 H3（FL2VA）工作流上直接用。
但先把边界划清楚：这空间感只兑现在单帧质感上。
让它做多视图：同一个场景转俯视、转机位，它就顶不住了，跟 Qwen-Image 2.1比差一大截，纵深大的室外场景、动画风格的卧室，提示词怎么写都抬不到正上方。
原因不难猜：H3 的空间一致性靠跨帧时序建模，蒸馏成单帧输出，恰好把这截能力切掉了。它给你的是一张好看的单帧，不是一个能转机位的场景。
顺带提4个坑，省得大家白折腾：
- 严禁堆砌 8k、masterpiece、photorealistic 这类老式标签，加了反而劣化画质。写短句必须配合它自带的 Qwen3.5-9B 扩写器（Upsampler）一起跑。