Ming Image-0.1 Design от Ant Group

Модель генерации дизайн-изображений. Делает целые UI, дашборды, инфографику и постеры из структурированных промптов. Лицензия MIT

• цельные интерфейсы и макеты с консистентными типографикой и палитрой
• нативный RGBA - прозрачные элементы без постобработки
• промпты до 8K токенов
• 6B параметров

Отдельно вышла версия Layer - разбивает плоскую картинку на независимые редактируемые RGBA-слои

• 2-9 слоев из одной флат-графики
• лучший результат на всех 12 настройках теста Crello
• в 4.3 раза быстрее открытой Qwen-базы на 20B

Гитхаб
ComfyUI -Киджай подсуетился

#t2i #design

MAX

Zen Image Edit

Qwen-Image-2.1 есть у нас дома

на легком текстовом энкодере. Вместо родного Qwen3-VL-8B (17.5 ГБ) - Qwen3.5-0.8B и 158M адаптер внутри DiT. Целая папка diffusers без тяжелого энкодера, экономия почти 16 ГБ

• text-to-image, редактирование сцен и персонажей, прозрачный RGBA в одном пайплайне
• до нескольких референсов - первая картинка цель правки, остальные доноры
• подмена персонажа с сохранением позы и одежды цели
• работает в ComfyUI без 17.5 ГБ энкодера

• 1024 по умолчанию, 30 шагов
• ~17.5 ГБ пиковый VRAM, меньше с cpu offload

Ограничения: только английский, цифры на вывесках пишет с ошибками, не-фото референсы переносятся хуже. Демо и workflow для ComfyUI прилагаются

HF
Текстовый энкодер 0.6B
ComfyUI

#t2i #i2i #compact

MAX

#QI21

github.com/wildminder/awesome-qwen-image - подборка ресурсов по Qwen Image: модели, #LoRA #workflow , инструменты #list

huggingface.co/Viggle/Qwen-Image-2.1-viggle-turbo - обновилась турболора - v0.2, #T2I и эдит в 6 шагов вместо 40, ~5x быстрее #optimization

civitai.red/models/2790570/casual-snapshot-realism - #LoRA #realism под естественные фото. Есть версия и для #Krea2

civitai.red/models/2960750/qwen-image-21-character-design-sheet-maker-workflow - обновился #workflow персонажного листа #charactersheet v2.0 под видеогенерацию (Seedance 2.5/H3): только нужное для анимации — мимика, 3 ракурса, крупные планы снаряжения. Документация по промптингу и типовым ошибкам внутри

MAX

Nanosaur 2

Компактная модель генерации изображений без цензуры с фокусом на аниме

Неофициальный релиз модели на 670M параметров, обученной на датасете из 14 миллионов изображений по тегам (аниме-стиль, обширный набор персонажей и стилей). Принимает и естественный язык, и теги

Похоже, в отличие от нескольких недавних бесполезных компактных поделок, способных только на 256х256, способен и на полное 1024х1024. Прямо выходное разрешение не указано

• родной VAE и текстовый энкодер на 270M в комплекте
• понимает натуральный язык и теги - что удобнее
• большое покрытие персонажей, арт-стилей и концептов
• часто выигрывает у SDXL, несмотря на меньший размер

• модель 1.3 ГБ, с энкодером и VAE - 2 ГБ
• int8 и w4a8 квантизации уменьшают DiT до 388 МБ
• запускается на слабом железе

Проект ищет финансирование на версию побольше

Есть #int8 и #w4a8 (not recommended

#compact #t2i

MAX

MaLiang-Harness

Фреймворк, превращающий MLLM в художников, пишущих код. Генерация изображений и видео через постоянное конструирование, инспекцию и правку. Закрывает разрыв между исполняемыми программами и визуальным качеством. Оценивали 11 ведущих моделей на двух новых бенчмарках

Гитхаб

#harness #agent #t2i #t2v

MAX

Anima-Lightning

Дистиллированная версия модели Anima для генерации за 4 шага

• Аниме, иллюстрации и другая не-фотореалистичная арт-генерация

Совместима с любым 4-step планировщиком

#anime #t2i

MAX

Накопилось по #minimaxH3 - часть 29

#VAE

huggingface.co/Kijai/MiniMax-H3-experimental/blob/main/minimax_h3_lynnreal_light_vae_int8_convrot.safetensors - облегченный VAE int8 от Kijai

huggingface.co/speach1sdef178/MiniMax-H3-X2-Detail-VAE - х2-VAE с доп. деталями. Обычный латент сверх бутылочного горлышка деталей не содержит, поэтому режим Detailed для I2V берет ранние фичи энкодера исходника. Модель + нода + воркфлоу

huggingface.co/corechan/MiniMax-H3-LightVAE - легкий VAE для H3

#LoRA

huggingface.co/pablodawson/MiniMax-H3-360-Orbit-LoRA - облет для FL2VA: одинаковые первый/последний кадр, камера облетает застывшую сцену по кругу, клип зацикливается. Нужен спец-промпт. Проверен и на 8GB VRAM (4070, 736×576, ~7 мин)

huggingface.co/Kijai/MiniMax-H3-experimental/tree/main/loras - ELM longlive plug 4-step LoRA от Kijai: сжатие генерации до 4 шагов с минимальной потерей качества

huggingface.co/neph1/1980s_scifi_movies_minimax_h3 - LoRA sci-fi 80-х, киберпанковский край жанра. Без триггера

huggingface.co/JOKER141/MiniMax-H3-General-Motion-Continuity-Repair - починка непрерывности движения

huggingface.co/JOYUNGI/nwpxstyle-h3-lora - Nwpxstyle: теплый пиксель-арт-аниме с жирным контуром и дизерингом. Тренировались на статике, стиль переносится на видео, годится под ретро-катсцены #pixelart

huggingface.co/moe-kill/H3-Turbo-Neat - мерж пяти турбо LoRAs в одну 1Gb на 4 шага: четкие детали и свежий легкий вид

github.com/tsukino4a/h3-image-edit - skill.md для LLM: H3-иллюстрации — смена черт, костюма, мелкие правки #skill

huggingface.co/Alissonerdx/Minimax-H3-ComfyUI/tree/main/loras - #HeadSwap : замена головы, очень хорошо захватывает волосы

#workflow #comfyui

github.com/shootthesound/ComfyUI-Fizgig-H3-Still - Fizgig H3-Still: ноды и воркфлоу для генерации одиночной картинки — рендерится сильно быстрее старого 5-кадрового обхода, можно крутить мегапиксели #t2i #i2i

Говорят, H3 отлично генерит картинки youtu.be/A53fIhsyTm8

civitai.red/posts/31291351 - MiniMax H3 REF + Fizgig как Ref2Img/Img2Img: 4096×1536 за минуту (18 шагов, 5060 Ti 16Gb). Понимание пространства и стилей по референсу, быстрее Qwen 2.1 на 2+ референсах

github.com/BiggerFishy/comfyui-minimax-h3-studio - простой #characterswap : SAM3 выделяет объект, инверсия цвета в области помогает замене. Сохранение персонажей с описанием

civitai.com/models/2973199/minimax-h3-faceswap-with-spectrum-and-sparse-attention - #faceswap + Spectrum и sparse attention

github.com/TheBeast-Spec/minimax-h3-comfyui-demo-pack - body-swap: поза из исходного видео, руки источника сохраняются (жест, тон кожи), руки не перегенерируются

#prompting

github.com/fadetofunk/MiniRef - MiniRef 1.3: форменный помощник Ref2VA-промптов, Windows .NET 9. Персонаж сохраняется в .mrpod

github.com/AIMixer/ComfyUI_MiniMaxH3_Director - Director получил ноду Face Refine с поддержкой Semantic Bridge

github.com/Adudeguyman/ComfyUI-Fantastic-MiniMaxH3-PromptBuilder - обновление: #RefMods точнее и меньше утечки личности

github.com/ssm82/cinematic-video-prompt-h3-plugin - плагин-агент по стандарту Agent Plugins v1 (Microsoft/Google): словарь 700+ кинематографических терминов → H3-промпт

модели

huggingface.co/hoidhxd/MiniMax-H3-x-Z-Image-hybrid - гибрид 22Gb: Z-Image → FL2VA → Ref2VA, богатые текстуры и заметно лучший звук. Работает на 3060 12Gb, сэмплер стартует ~70 сек, дальше обычная скорость (Turbo+Kitchen+Spectrum, 6–8 шагов)

huggingface.co/QuantFunc/Minimax-H3-Quantfunc-4bit - 4-bit квант H3: 23.7 dB PSNR, SM75+, загрузка через ComfyUI-QuantFunc. FL2VA (4 шага) и Ref2VA (8 шагов)

Kandinsky 6.0 Image Pro

Картикогенератор тоже выпустиили

• Удаление объектов и надписей
• Замена объектов с сохранением стиля
• Стилизация портретов и реставрация
• Колоризация старых фото
• Дизайн интерьеров по схеме помещения
• Генерация с нуля по промпту

• Архитектура MoE — ускорение более чем на 40% против предшественника
• RAG: при запросе подтягивает релевантные фото из базы знаний в контекст
• По внутренним сравнениям — на уровне Flux 2 Max и выше GPT Image 1.5 - это конечно заявка на победу, сильная претензия

Попробовать (как и видео) можно в экосистеме GigaChat: Telegram, giga.chat, Android

#t2i #imageediting

MAX

Iris-3B

Генератор картинок от Sperid Labs, который рисует каждый пиксель напрямую — без VAE и латентного пространства. Prompt → 1024px картинка, ничего не теряется в сжатом латенте.

• Генерация изображений из текста напрямую в пиксели
• Монокулярная оценка глубины
• Реставрация и апскейл изображений
• Все на одном бэкбоне без изменения архитектуры, просто финтюн под задачу

• 3B параметров + замороженный текстовый энкодер Qwen3-VL-4B (Apache 2.0)
• Веса ~12 ГБ на text-to-image, еще по ~12 ГБ на depth и upscaler
• Нужен NVIDIA GPU с CUDA

Альтернатива vision-фундаментам вроде DINOv2

huggingface.co/speridlabs/iris-3b
github.com/speridlabs/iris-3b
Демо -апскейлер неплох

Спасибо @m_franz

#imagerestoration #i2d #depth #t2i

MAX

Два пакета нод для Iris-3B

Envy-ai/ComfyUI-Iris
• Text-to-image, image-to-image
• Свои лоадер и семплер вместо VAE
• LoRA как обычно, штатные сэмплеры ComfyUI
• FP8/INT8-квантизация
• Нужны ComfyUI 0.37+ и Comfy Kitchen 0.2.35+, N-серия

Bani4kashkashka/Iris-3B-Comfy-Nodes
• Text-to-image, img2img, 4x апскейл, depth
• 4x апскейл: 1024→4096 за ~47 с, depth ~4 с/картинка (серая под ControlNet или inferno + маска)
• Пресеты качества и сэмплер, готовые воркфлоу в Templates
• Работает на AMD: RX 9060 XT 16 ГБ ~1.8 с/шаг, пик VRAM 7.7 ГБ

чуда не ждать, на этом размере Anima 2.9B выдает картинки лучше — но это удачная демка, что VAE не обязательный атрибут генерации. Лучший сэмплер — dpmpp-2m-sde-gpu, при наличии bong_tangent-планировщика лучше его

#t2i #i2i #comfyui

MAX

Kroma

Файннтюн Krea-2

В отличие от предыдущего (Chroma), здесь не пришлось раздистиллировать модель — Krea дали настоящие базовые веса, так что Kroma выходит с OPD (RL) прямо поверх базы и дает хороший результат из коробки.

• Генерация на базе Krea-2 без схлопывания модели
• Лучшие результаты после RL-дообучения поверх базы
• Нацелен на качество данных — ~90% качества идет из датасета

• Тренировка ~10K часов RTX 6000 Pro (3+ месяца на 4-GPU машине), включая неудачные эксперименты
• Донат от ComfyOrg на 2 видеокарты

int8
Civitai

#t2i #krea2

MAX

huggingface.co/nvidia/Qwen-Image-NVFP4

NVIDIA зачем-то выпустила 4‑битную квантованную версию старой уже модели Qwen‑Image на Hugging Face

Качество генерации почти не уступает 16‑битному базовому варианту
———

Speridlabs представили 4‑шаговую версию картинкогенератора в пиксельном пространстве iris‑3B

1024x1024 за 0.7 сек на H100

HF
Демо

#t2i #nvfp4

MAX

AReA

Метод внимания для диффузионных трансформеров. Дает генерацию в высоком разрешении без обучения на FLUX.1, Qwen-Image, FLUX.2 и Ideogram 4.

• До 3.2х быстрее полного внимания на 6144² у FLUX.1, 2.9х у Qwen-Image
• До 6х к нативной стороне, 67 МП
• Без обучения, веса не трогаются

Эффект нарастает с разрешением, где внимание и становится узким местом

Поддержка FLUX.1-Krea-dev есть, остальные ждем

Гитхаб

Спасибо @m_franz

#4k #t2i

MAX

FLUX 3 Image Klein

5.6B параметров (картинковый трансформер, текстовый энкодер отдельно). Обещали open-веса «в ближайшие недели» еще в анонсе FLUX 3 Image — вот они.

• Text-to-image, редактирование по одному референсу и композиция из нескольких
• До 10 референс-картинок на вход, один результат на выходе
• Bounding boxes в промпте: задаешь рамки на сетке 0-1000, потом перекрашиваешь, двигаешь, заменяешь или удаляешь элементы текстом
• Рендер текста внутри изображения
• Промпт-апсемплер отдельно (9B) для улучшения запросов

• Дистиллированный чекпоинт: 16 шагов, без CFG — как в API BFL
• Klein Base: недистиллированный, 50 шагов — под финтюн и LoRA
• Варианты BF16, FP8 и NVFP4
• Текстовый энкодер — Qwen3-VL-4B-Instruct

База, дистилл, ComfyUI-версия и PUP - пропмт апсемплер

huggingface.co/black-forest-labs/flux-3-image-klein
github.com/black-forest-labs/flux-3-image-klein
Демо

Спасибо @kuvshin8

#t2i #imageediting

MOSS-Image

Генератор картинок
Главная фишка — нативное управление композицией через JSON-промпт, где задаются объекты, текст и их позиции.

• Генерация по обычному текстовому описанию
• Layout-контроль: объекты, надписи и их рамки в структурированном #JSON
• Рендер текста внутри изображения, включая китайский и надписи от руки
• Промпты до 4K токенов
• Аниме и фотореализм в одном флаконе
• Правка сцены через изменение описаний и боксов

• 5B параметров — компактный бэкбон под генерацию и финтюн
• Веса Apache-2.0
• Настройки: 50 шагов, CFG 3, flow-matching Euler, shift 5, пропуск негативной ветки на слое 22

Есть Prompt Enhancer

Говорят, умеет в nsfw

github.com/OpenMOSS/MOSS-Image
huggingface.co/OpenMOSS-Team/MOSS-Image-SFT
huggingface.co/lodestones/MOSS-Image-SFT-8-steps-dmd
huggingface.co/nif0/MOSS-Image-SFT-ComfyUI
Comfyui

Спасибо @m_franz

#t2i #json2i