# HunyuanImage 3.0 HunyuanImage 3.0 от Tencent — это **крупнейшая в мире открытая модель генерации изображений** с общим количеством параметров 80B (при выводе активны 13B). Выпущена 26 января 2026 года, она ломает стереотипы, объединяя генерацию, редактирование и понимание изображений в одну авторегрессивную модель — больше не нужно отдельные конвейеры для текст-в-изображение и изображение-в-изображение. Она генерирует фотореалистичные изображения, выполняет точные изменения с сохранением элементов, выполняет перенос стиля и даже осуществляет объединение нескольких изображений — всё это делает одна модель. **HuggingFace:** [tencent/HunyuanImage-3.0-Instruct](https://huggingface.co/tencent/HunyuanImage-3.0-Instruct) **GitHub:** [Tencent-Hunyuan/HunyuanImage-3.0](https://github.com/Tencent-Hunyuan/HunyuanImage-3.0) **Лицензия:** Лицензия Tencent Hunyuan Community (бесплатно для исследований и коммерческого использования при менее 100M MAU) ## Ключевые особенности * **80B всего / 13B активных параметров** — крупнейшая открытая MoE-модель для изображений; при выводе активируются только 13B параметров * **Унифицированная мультимодальная архитектура** — текст-в-изображение, редактирование изображений, перенос стиля и компоновка нескольких изображений в одной модели * **Редактирование на основе инструкций** — опишите изменения на естественном языке, при этом сохраняются нетронутые элементы * **Доступна дистиллированная контрольная точка** — `HunyuanImage-3.0-Instruct-Distil` работает всего в 8 шагах сэмплинга для более быстрой генерации * **ускорение vLLM** — нативная поддержка vLLM для значительно более быстрого вывода в продакшене * **Авторегрессивная схема** — в отличие от моделей на базе DiT (FLUX, SD3.5), использует унифицированный AR-подход как для понимания, так и для генерации ## Варианты моделей | Модель | Случай использования | Шаги | HuggingFace | | ------------------------------------ | --------------------------------------------------------- | ----- | ------------------------------------------ | | **HunyuanImage-3.0** | Только текст-в-изображение | 30–50 | `tencent/HunyuanImage-3.0` | | **HunyuanImage-3.0-Instruct** | Текст-в-изображение + редактирование + мульти-изображение | 30–50 | `tencent/HunyuanImage-3.0-Instruct` | | **HunyuanImage-3.0-Instruct-Distil** | Быстрый вывод (8 шагов) | 8 | `tencent/HunyuanImage-3.0-Instruct-Distil` | ## Требования | Конфигурация | Один GPU (с выгрузкой) | Рекомендуется | Мульти-GPU для продакшена | | ------------ | ------------------------ | ------------- | ------------------------- | | GPU | 1× RTX 4090 24GB | 1× A100 80GB | 2–3× A100 80GB | | VRAM | 24GB (с выгрузкой слоёв) | 80GB | 160–240GB | | ОЗУ | 128GB | 128GB | 256GB | | Диск | 200GB | 200GB | 200GB | | CUDA | 12.0+ | 12.0+ | 12.0+ | **Рекомендуемая настройка Clore.ai:** * **Лучшее соотношение цены и качества:** 1× A100 80GB (\~$2–4/день) — комфортно запускает полную модель без выгрузки * **Бюджетный вариант:** 1× RTX 4090 (\~$0.5–2/день) — работает с выгрузкой на CPU (медленнее, но функционирует) * **Быстрый продакшен:** 2× A100 80GB (\~$4–8/день) — для пакетной генерации и модели Instruct ## Быстрый старт ### Установка ```bash # 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/cu121 # Скачайте веса модели huggingface-cli download tencent/HunyuanImage-3.0-Instruct --local-dir ./ckpts/HunyuanImage-3-Instruct ``` ### Текст-в-изображение с Transformers ```python import torch from transformers import AutoModelForCausalLM, AutoTokenizer # Загрузите модель (требуется ~80GB VRAM для полной точности) model_path = "./ckpts/HunyuanImage-3-Instruct" model = AutoModelForCausalLM.from_pretrained( model_path, torch_dtype=torch.bfloat16, device_map="auto", trust_remote_code=True, ) # Сгенерировать изображение из текста prompt = "Спокойный японский сад осенью, кои плавают в кристально чистом пруду, падают золотые кленовые листья, в стиле акварели" output = model.generate_image(prompt, num_inference_steps=30) output.save("japanese_garden.png") ``` ### Использование веб-интерфейса Gradio Самый простой способ опробовать все функции: ```bash 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@` ## Примеры использования ### 1. Генерация текст-в-изображение (CLI) ```bash cd HunyuanImage-3.0 python inference.py \ --model-path ./ckpts/HunyuanImage-3-Instruct \ --prompt "Киберпанковский городской пейзаж ночью, неоновые небоскрёбы, отражающиеся в залитых дождём улицах, летающие автомобили, объёмный туман, 8K" \ --output-path output.png \ --num-inference-steps 30 \ --guidance-scale 5.0 ``` ### 2. Редактирование изображений с помощью естественного языка Одна из выдающихся функций HunyuanImage 3.0 — редактируйте существующие изображения, описывая изменения: ```bash python inference.py \ --model-path ./ckpts/HunyuanImage-3-Instruct \ --prompt "Поменять сезон на зиму, покрыв деревья снегом" \ --image-path input_photo.jpg \ --output-path edited_winter.png \ --num-inference-steps 30 ``` ### 3. Быстрая генерация с дистиллированной моделью (8 шагов) ```bash # Скачайте дистиллированную контрольную точку huggingface-cli download tencent/HunyuanImage-3.0-Instruct-Distil \ --local-dir ./ckpts/HunyuanImage-3-Instruct-Distil # Генерация всего в 8 шагов (в 5–6× 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 для изображений | Функция | HunyuanImage 3.0 | FLUX.2 Klein | SD 3.5 Large | | ---------------------------------- | ---------------------- | ---------------------- | --------------------- | | Параметры | 80B MoE (13B активных) | 32B DiT | 8B DiT | | Архитектура | Авторегрессивный MoE | Diffusion Transformer | Diffusion Transformer | | Редактирование изображений | ✅ Нативно | ❌ Требуется ControlNet | ❌ Требуется img2img | | Объединение нескольких изображений | ✅ Нативно | ❌ | ❌ | | Перенос стиля | ✅ Нативно | ❌ Требуется LoRA | ❌ Требуется LoRA | | Мин. VRAM | \~24GB (с выгрузкой) | 16GB | 8GB | | Скорость (A100) | \~15–30 сек | \~0.3 сек | \~5 сек | | Лицензия | Сообщество Tencent | Apache 2.0 | 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 вывода в 4–6×. Качество остаётся удивительно близким к полной модели. 2. **A100 80GB — оптимальный выбор** — Один A100 80GB (\~$2–4/день на Clore.ai) запускает модель Instruct без трюков с выгрузкой. Это значительно быстрее, чем RTX 4090 с выгрузкой на CPU. 3. **Предварительно скачивайте модели** — Полная контрольная точка Instruct занимает \~160GB. Скачайте её один раз на постоянный том Clore.ai, чтобы не загружать заново при каждом запуске новой инстанции. 4. **Используйте SSH-туннелирование для Gradio** — Не выставляйте порт 7860 публично. Используйте `ssh -L 7860:localhost:7860` чтобы безопасно получить доступ к веб-интерфейсу из вашего браузера. 5. **Попробуйте бэкенд vLLM для пакетной работы** — Если вы генерируете много изображений, путь вывода vLLM (в папке `vllm_infer/` ) обеспечивает значительно лучшую пропускную способность. ## Устранение неполадок | Проблема | Решение | | ------------------------------------------------ | ---------------------------------------------------------------------------------------------------------------------------------- | | `CUDA — недостаточно памяти` на RTX 4090 | Используйте `device_map="auto"` чтобы включить выгрузку на CPU или переключиться на модель Distil | | Загрузка не удаётся / очень медленно | Установите `HF_TOKEN` переменную окружения; используйте `huggingface-cli download` с `--resume-download` | | Не удаётся загрузить модель по HF ID | Из-за точки в имени 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 изображения игнорирует инструкции | Будьте конкретны в описании того, что изменить и что сохранить; используйте короткие, чёткие подсказки | | Интерфейс Gradio не запускается | Убедитесь, что `gradio>=4.0` установлен; проверьте, что путь к модели указывает на правильную директорию | ## Дополнительное чтение * [Репозиторий на GitHub](https://github.com/Tencent-Hunyuan/HunyuanImage-3.0) — Официальный код, скрипты вывода, демонстрация Gradio * [HunyuanImage 3.0-Instruct (HuggingFace)](https://huggingface.co/tencent/HunyuanImage-3.0-Instruct) — Полные веса модели * [Дистиллированная контрольная точка](https://huggingface.co/tencent/HunyuanImage-3.0-Instruct-Distil) — Быстрый вывод в 8 шагов * [Технический отчёт (arXiv)](https://arxiv.org/pdf/2509.23951) — Детали архитектуры и бенчмарки * [Интеграция с ComfyUI](https://github.com/bgreene2/ComfyUI-Hunyuan-Image-3) — Пользовательский узел Community ComfyUI --- # Agent Instructions: Querying This Documentation If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question. Perform an HTTP GET request on the current page URL with the `ask` query parameter: ``` GET https://docs.clore.ai/guides/guides_v2-ru/generaciya-izobrazhenii/hunyuan-image3.md?ask= ``` The question should be specific, self-contained, and written in natural language. The response will contain a direct answer to the question and relevant excerpts and sources from the documentation. Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.