HunyuanImage 3.0

Запустите HunyuanImage 3.0 — мультимодальную модель Tencent на 80B MoE для генерации и редактирования изображений на GPU Clore.ai

HunyuanImage 3.0 от Tencent — это крупнейшая в мире модель генерации изображений с открытым исходным кодом с 80B общих параметров (13B активных во время инференса). Выпущенная 26 января 2026 года, она ломает шаблон, объединяя генерацию изображений, редактирование и понимание в одну авторегрессионную модель — больше никаких отдельных пайплайнов для text-to-image и image-to-image. Она генерирует фотореалистичные изображения, выполняет точное редактирование с сохранением элементов, обрабатывает перенос стиля и даже делает слияние нескольких изображений — всё в одной модели.

HuggingFace: tencent/HunyuanImage-3.0-Instruct GitHub: Tencent-Hunyuan/HunyuanImage-3.0 Лицензия: Лицензия сообщества Tencent Hunyuan (бесплатно для исследований и коммерческого использования при MAU менее 100 млн)

Ключевые особенности

• 80B всего / 13B активных параметров — крупнейшая open-source модель изображений MoE; активирует только 13B параметров за один инференс

• Единая мультимодальная архитектура — text-to-image, редактирование изображений, перенос стиля и композиция из нескольких изображений в одной модели

• Редактирование по инструкциям — опишите на естественном языке, что вы хотите изменить, сохраняя нетронутые элементы

• Доступен дистиллированный чекпойнт — HunyuanImage-3.0-Instruct-Distil работает всего за 8 шагов сэмплирования для более быстрой генерации

• Ускорение vLLM — нативная поддержка vLLM для значительно более быстрого инференса в продакшене

• Авторегрессионный фреймворк — в отличие от моделей на базе DiT (FLUX, SD3.5), использует единый AR-подход как для понимания, так и для генерации

Варианты модели

Модель	Сценарий использования	Шаги	HuggingFace
HunyuanImage-3.0	Только text-to-image	30–50	tencent/HunyuanImage-3.0
HunyuanImage-3.0-Instruct	text-to-image + редактирование + несколько изображений	30–50	tencent/HunyuanImage-3.0-Instruct
HunyuanImage-3.0-Instruct-Distil	Быстрый инференс (8 шагов)	8	tencent/HunyuanImage-3.0-Instruct-Distil

Требования

Многопроцессорные конфигурации с GPU класса 80GB не представлены на маркетплейсе Clore.ai. Самые крупные доступные сейчас машины — это 4× RTX PRO 6000 Blackwell (по 96GB, всего 380GB) и 8–11× RTX 5090 (по 32GB). Ёмкость A100 / H200 / B200 продаётся как голое железо по запросу. Проверьте Цены и доступность GPU перед выбором размера развёртывания.

Конфигурация	Один GPU (с выгрузкой)	Рекомендуется	Продакшен на нескольких GPU
GPU	1× RTX 4090 24GB	1× A100 80GB	2–3× A100 80GB
VRAM	24GB (с послойной выгрузкой)	80 ГБ	160–240GB
ОЗУ	128 ГБ	128 ГБ	256GB
Диск	200GB	200GB	200GB
CUDA	12.8+	12.8+	12.8+

Рекомендуемая конфигурация Clore.ai:

• Лучшее предложение на рынке: 1× RTX PRO 6000 Blackwell 96GB ($0.92–1.38/ч) — запускает полную модель без проблем и без выгрузки. A100 80GB — классический выбор, но доступен только как голое железо

• Бюджетный вариант: 1× RTX 4090 ($0.14–0.42/ч) — работает с выгрузкой на CPU (медленнее, но функционально)

• Быстрая работа в продакшене: 2× A100 80GB (голое железо) — для пакетной генерации и модели Instruct

Быстрый старт

Установка

# Клонируйте репозиторий
git clone https://github.com/Tencent-Hunyuan/HunyuanImage-3.0.git
cd HunyuanImage-3.0

# Создайте окружение
pip install -r requirements.txt
pip install torch torchvision --index-url https://download.pytorch.org/whl/cu128

# Скачайте веса модели
huggingface-cli download tencent/HunyuanImage-3.0-Instruct --local-dir ./ckpts/HunyuanImage-3-Instruct

Генерация изображений по тексту с Transformers

import torch
from transformers import AutoModelForCausalLM, AutoTokenizer

# Загрузите модель (для полной точности требуется около 80 ГБ VRAM)
model_path = "./ckpts/HunyuanImage-3-Instruct"
model = AutoModelForCausalLM.from_pretrained(
    model_path,
    torch_dtype=torch.bfloat16,
    device_map="auto",
    trust_remote_code=True,
)

# Сгенерируйте изображение по тексту
prompt = "Спокойный японский сад осенью, карпы кои плывут в кристально чистом пруду, падают золотые кленовые листья, стиль акварельной живописи"
output = model.generate_image(prompt, num_inference_steps=30)
output.save("japanese_garden.png")

Использование веб-интерфейса Gradio

Самый простой способ опробовать все возможности:

cd HunyuanImage-3.0

# Установите Gradio
pip install gradio

# Запустите веб-интерфейс
python gradio_demo.py \\
    --model-path ./ckpts/HunyuanImage-3-Instruct \\
    --server-name 0.0.0.0 \\
    --server-port 7860

Затем подключитесь через SSH-туннель: ssh -L 7860:localhost:7860 root@<clore-ip>

Примеры использования

1. Генерация изображений по тексту (CLI)

cd HunyuanImage-3.0

python inference.py \\
    --model-path ./ckpts/HunyuanImage-3-Instruct \\
    --prompt "Киберпанковский городской пейзаж ночью, неоновые небоскрёбы отражаются в мокрых от дождя улицах, летающие автомобили, объёмный туман, 8K" \\
    --output-path output.png \\
    --num-inference-steps 30 \\
    --guidance-scale 5.0

2. Редактирование изображений на естественном языке

Одна из выдающихся возможностей HunyuanImage 3.0 — редактируйте существующие изображения, описывая изменения:

python inference.py \\
    --model-path ./ckpts/HunyuanImage-3-Instruct \\
    --prompt "Измените сезон на зиму, чтобы деревья были покрыты снегом" \\
    --image-path input_photo.jpg \\
    --output-path edited_winter.png \\
    --num-inference-steps 30

3. Быстрая генерация с дистиллированной моделью (8 шагов)

# Скачайте дистиллированный чекпойнт
huggingface-cli download tencent/HunyuanImage-3.0-Instruct-Distil \\
    --local-dir ./ckpts/HunyuanImage-3-Instruct-Distil

# Генерация всего за 8 шагов (в 5–6 раз быстрее)
python inference.py \\
    --model-path ./ckpts/HunyuanImage-3-Instruct-Distil \\
    --prompt "Портрет астронавта, едущего на лошади по Марсу, фотореалистично" \\
    --output-path astronaut.png \\
    --num-inference-steps 8

Сравнение с другими моделями изображений

Функция	HunyuanImage 3.0	FLUX.2 Klein	SD 3.5 Large
Параметры	80B MoE (13B активных)	32B DiT	8B DiT
Архитектура	Авторегрессионный MoE	Диффузионный трансформер	Диффузионный трансформер
Редактирование изображений	✅ Нативная	❌ Требуется ControlNet	❌ Требуется img2img
Слияние нескольких изображений	✅ Нативная	❌	❌
Перенос стиля	✅ Нативная	❌ Требуется LoRA	❌ Требуется LoRA
Мин. VRAM	~24GB (с выгрузкой)	16GB	8 ГБ
Скорость (A100)	~15–30 сек	~0.3 сек	~5 сек
Лицензия	Сообщество Tencent	Apache 2.0	Лицензия Stability AI CL

Советы для пользователей Clore.ai

1. Используйте дистиллированную модель для скорости — HunyuanImage-3.0-Instruct-Distil генерирует за 8 шагов вместо 30–50, сокращая время инференса в 4–6 раз. Качество при этом остаётся удивительно близким к полной модели.

2. Карта на 96 ГБ — оптимальный вариант — Одна RTX PRO 6000 Blackwell (или A100 80GB через голое железо) запускает модель Instruct без каких-либо приёмов выгрузки. Это намного быстрее, чем RTX 4090 с выгрузкой на CPU.

3. Скачайте модели заранее — Полный чекпойнт Instruct занимает около 160 ГБ. Скачайте его один раз в постоянный том Clore.ai, чтобы не загружать заново каждый раз при запуске нового экземпляра.

4. Используйте SSH-туннелирование для Gradio — Не открывайте порт 7860 публично. Используйте ssh -L 7860:localhost:7860 для безопасного доступа к веб-интерфейсу из браузера.

5. Попробуйте backend vLLM для пакетной работы — Если вы генерируете много изображений, путь инференса vLLM (в vllm_infer/ папке) обеспечивает значительно более высокую пропускную способность.

Устранение неполадок

Проблема	Решение
CUDA out of memory на RTX 4090	Используйте device_map="auto" чтобы включить выгрузку на CPU, или переключитесь на модель Distil
Скачивание не удаётся / очень медленное	Установите HF_TOKEN переменную окружения; используйте huggingface-cli download с --resume-download
Не удаётся загрузить модель через ID модели HF	Из-за точки в названии сначала клонируйте локально: huggingface-cli download tencent/HunyuanImage-3.0-Instruct --local-dir ./ckpts/
Размытые или низкокачественные результаты	Увеличьте --num-inference-steps до 40–50; увеличьте --guidance-scale до 7.0
Редактирование изображений игнорирует инструкции	Будьте точны в том, что нужно изменить и что сохранить; используйте короткие, чёткие промпты
Интерфейс Gradio не запускается	Убедитесь, что gradio>=4.0 установлен; проверьте, что путь к модели указывает на правильную директорию

Дополнительное чтение

• Репозиторий GitHub — Официальный код, скрипты инференса, демо Gradio

• HunyuanImage 3.0-Instruct (HuggingFace) — Полные веса модели

• Дистиллированный чекпойнт — быстрый инференс за 8 шагов

• Технический отчёт (arXiv) — Подробности архитектуры и бенчмарки

• Интеграция с ComfyUI — Пользовательский узел ComfyUI от сообщества