HunyuanImage 3.0

Exécutez HunyuanImage 3.0 — le modèle multimodal de génération et d'édition d'images MoE 80B de Tencent sur les GPU Clore.ai

HunyuanImage 3.0 de Tencent est le le plus grand modèle open source de génération d’images au monde avec 80 B de paramètres au total (13 B actifs pendant l’inférence). Lancé le 26 janvier 2026, il sort des sentiers battus en unifiant la génération d’images, l’édition et la compréhension dans un seul modèle autorégressif — plus besoin de pipelines séparés pour le texte vers image et l’image vers image. Il génère des images photoréalistes, effectue des modifications précises en préservant les éléments, gère les transferts de style et réalise même la fusion de plusieurs images, le tout à partir d’un seul modèle.

HuggingFace : tencent/HunyuanImage-3.0-Instruct GitHub : Tencent-Hunyuan/HunyuanImage-3.0 Licence : Licence communautaire Tencent Hunyuan (gratuite pour la recherche et l’usage commercial sous 100 M d’utilisateurs actifs mensuels (MAU))

Caractéristiques clés

• 80 B paramètres au total / 13 B actifs — plus grand modèle MoE open source d’images ; n’active que 13 B de paramètres par inférence

• Architecture multimodale unifiée — texte vers image, édition d’images, transfert de style et composition multi-images dans un seul modèle

• Édition guidée par instructions — décrivez ce que vous voulez modifier en langage naturel, en préservant les éléments intacts

• Point de contrôle distillé disponible — HunyuanImage-3.0-Instruct-Distil s’exécute en seulement 8 étapes d’échantillonnage pour une génération plus rapide

• Accélération vLLM — prise en charge native de vLLM pour une inférence nettement plus rapide en production

• Cadre autorégressif — contrairement aux modèles basés sur DiT (FLUX, SD3.5), utilise une approche AR unifiée pour la compréhension et la génération

Variantes de modèle

Modèle	Cas d’utilisation	Étapes	HuggingFace
HunyuanImage-3.0	Texte vers image uniquement	30–50	tencent/HunyuanImage-3.0
HunyuanImage-3.0-Instruct	Texte vers image + édition + multi-image	30–50	tencent/HunyuanImage-3.0-Instruct
HunyuanImage-3.0-Instruct-Distil	Inférence rapide (8 étapes)	8	tencent/HunyuanImage-3.0-Instruct-Distil

Exigences

Les configurations multi-GPU de classe 80 Go ne sont pas répertoriées sur la place de marché Clore.ai. Les plus grosses machines répertoriées aujourd’hui sont 4× RTX PRO 6000 Blackwell (96 Go chacune, 380 Go au total) et 8–11× RTX 5090 (32 Go chacune). La capacité A100 / H200 / B200 est proposée en bare metal sur demande. Consultez bare metal sur demande. Consultez Tarifs et disponibilité des GPU avant de dimensionner un déploiement.

Configuration	GPU unique (déchargement)	Recommandé	Production multi-GPU
GPU	1× RTX 4090 24 Go	1× A100 80 Go	2–3× A100 80 Go
VRAM	24 Go (avec déchargement de couches)	80 Go	160–240 Go
RAM	128 Go	128 Go	256GB
Disque	200 Go	200 Go	200 Go
CUDA	12.8+	12.8+	12.8+

Configuration Clore.ai recommandée :

• Meilleur rapport qualité-prix sur la place de marché : 1× RTX PRO 6000 Blackwell 96 Go (0,92–1,38 $/h) — exécute confortablement le modèle complet sans déchargement. Une A100 80 Go est le choix classique, mais elle n’est disponible que comme bare metal

• Option économique : 1× RTX 4090 (0,14–0,42 $/h) — fonctionne avec le déchargement CPU (plus lent, mais opérationnel)

• Production rapide : 2× A100 80 Go (bare metal) — pour la génération par lots et le modèle Instruct

Démarrage rapide

Installation

# Cloner le dépôt
git clone https://github.com/Tencent-Hunyuan/HunyuanImage-3.0.git
cd HunyuanImage-3.0

# Créer l’environnement
pip install -r requirements.txt
pip install torch torchvision --index-url https://download.pytorch.org/whl/cu128

# Télécharger les poids du modèle
huggingface-cli download tencent/HunyuanImage-3.0-Instruct --local-dir ./ckpts/HunyuanImage-3-Instruct

Texte vers image avec Transformers

import torch
from transformers import AutoModelForCausalLM, AutoTokenizer

# Charger le modèle (nécessite environ 80 Go de VRAM en précision complète)
model_path = "./ckpts/HunyuanImage-3-Instruct"
model = AutoModelForCausalLM.from_pretrained(
    model_path,
    torch_dtype=torch.bfloat16,
    device_map="auto",
    trust_remote_code=True,
)

# Générer une image à partir du texte
prompt = "Un jardin japonais serein en automne, des carpes koï nageant dans un étang d’une clarté cristalline, des feuilles d’érable dorées tombant, style peinture aquarelle"
output = model.generate_image(prompt, num_inference_steps=30)
output.save("japanese_garden.png")

Utilisation de l’interface Web Gradio

La façon la plus simple d’expérimenter avec toutes les fonctionnalités :

cd HunyuanImage-3.0

# Installer Gradio
pip install gradio

# Lancer l’interface web
python gradio_demo.py \\
    --model-path ./ckpts/HunyuanImage-3-Instruct \\
    --server-name 0.0.0.0 \\
    --server-port 7860

Puis accédez-y via un tunnel SSH : ssh -L 7860:localhost:7860 root@<clore-ip>

Exemples d'utilisation

1. Génération texte vers image (CLI)

cd HunyuanImage-3.0

python inference.py \\
    --model-path ./ckpts/HunyuanImage-3-Instruct \\
    --prompt "Paysage urbain cyberpunk la nuit, gratte-ciel illuminés au néon reflétés dans des rues trempées par la pluie, voitures volantes, brouillard volumétrique, 8K" \\
    --output-path output.png \\
    --num-inference-steps 30 \\
    --guidance-scale 5.0

2. Édition d’images en langage naturel

L’une des fonctionnalités phares de HunyuanImage 3.0 — modifiez des images existantes en décrivant les changements :

python inference.py \\
    --model-path ./ckpts/HunyuanImage-3-Instruct \\
    --prompt "Changer la saison en hiver avec de la neige recouvrant les arbres" \\
    --image-path input_photo.jpg \\
    --output-path edited_winter.png \\
    --num-inference-steps 30

3. Génération rapide avec le modèle distillé (8 étapes)

# Télécharger le point de contrôle distillé
huggingface-cli download tencent/HunyuanImage-3.0-Instruct-Distil \\
    --local-dir ./ckpts/HunyuanImage-3-Instruct-Distil

# Générer avec seulement 8 étapes (5 à 6× plus rapide)
python inference.py \\
    --model-path ./ckpts/HunyuanImage-3-Instruct-Distil \\
    --prompt "Portrait d’un astronaute chevauchant un cheval sur Mars, photoréaliste" \\
    --output-path astronaut.png \\
    --num-inference-steps 8

Comparaison avec d’autres modèles d’images

Fonctionnalité	HunyuanImage 3.0	FLUX.2 Klein	SD 3.5 Large
Paramètres	MoE 80 B (13 B actifs)	DiT 32 B	DiT 8 B
Architecture	MoE autorégressif	Transformeur de diffusion	Transformeur de diffusion
Édition d’images	✅ Natif	❌ Nécessite ControlNet	❌ Nécessite img2img
Fusion multi-images	✅ Natif	❌	❌
Transfert de style	✅ Natif	❌ Nécessite LoRA	❌ Nécessite LoRA
VRAM minimale	~24 Go (déchargé)	16 Go	8 Go
Vitesse (A100)	~15–30 s	~0,3 s	~5 s
Licence	Communauté Tencent	Apache 2.0	Licence communautaire de Stability AI

Conseils pour les utilisateurs de Clore.ai

1. Utilisez le modèle distillé pour la rapidité — HunyuanImage-3.0-Instruct-Distil génère en 8 étapes au lieu de 30–50, réduisant le temps d’inférence de 4 à 6×. La qualité reste étonnamment proche de celle du modèle complet.

2. Une carte 96 Go est le juste milieu — une seule RTX PRO 6000 Blackwell (ou une A100 80 Go via bare metal) exécute le modèle Instruct sans aucune astuce de déchargement. C’est beaucoup plus rapide qu’une RTX 4090 avec déchargement CPU.

3. Pré-téléchargez les modèles — le point de contrôle Instruct complet fait environ 160 Go. Téléchargez-le une fois sur un volume Clore.ai persistant pour éviter de le retélécharger à chaque nouvelle instance.

4. Utilisez un tunnel SSH pour Gradio — n’exposez pas le port 7860 publiquement. Utilisez ssh -L 7860:localhost:7860 pour accéder à l’interface web en toute sécurité depuis votre navigateur.

5. Essayez le backend vLLM pour le traitement par lots — si vous générez beaucoup d’images, le chemin d’inférence vLLM (dans le vllm_infer/ dossier) offre un débit nettement meilleur.

Dépannage

Problème	Solution
Mémoire CUDA insuffisante sur RTX 4090	Utilisez device_map="auto" pour activer le déchargement CPU, ou passez au modèle Distil
Échec du téléchargement / très lent	Définissez HF_TOKEN la variable d’environnement ; utilisez huggingface-cli download avec --resume-download
Impossible de charger le modèle via l’ID du modèle HF	En raison du point dans le nom, clonez d’abord localement : huggingface-cli download tencent/HunyuanImage-3.0-Instruct --local-dir ./ckpts/
Sorties floues ou de faible qualité	Augmentez --num-inference-steps à 40–50 ; augmentez --guidance-scale à 7,0
L’édition d’images ignore les instructions	Soyez précis sur ce qu’il faut modifier et ce qu’il faut préserver ; utilisez des prompts courts et clairs
L’interface Gradio ne se lance pas	Assurez-vous que gradio>=4.0 est installé ; vérifiez que le chemin du modèle pointe vers le bon répertoire

Pour aller plus loin

• Dépôt GitHub — code officiel, scripts d’inférence, démo Gradio

• HunyuanImage 3.0-Instruct (HuggingFace) — poids complets du modèle

• Point de contrôle distillé — inférence rapide en 8 étapes

• Rapport technique (arXiv) — détails de l’architecture et benchmarks

• Intégration ComfyUI — nœud personnalisé communautaire ComfyUI