HunyuanImage 3.0

在 Clore.ai GPU 上运行 HunyuanImage 3.0——腾讯的 80B MoE 多模态图像生成与编辑模型

腾讯的 HunyuanImage 3.0 是 全球最大的开源图像生成模型 拥有80B总参数（推理时激活13B）。它于2026年1月26日发布，通过将图像生成、编辑和理解统一到单个自回归模型中，打破了传统模式——不再需要分别为文生图和图生图设置独立流水线。它可以生成逼真的图像，进行精确的保留元素编辑，处理风格迁移，甚至支持多图融合，全部由一个模型完成。

HuggingFace： tencent/HunyuanImage-3.0-Instruct GitHub： Tencent-Hunyuan/HunyuanImage-3.0 许可证： 腾讯 Hunyuan 社区许可协议（研究及商业用途免费，MAU 低于1亿）

主要特性

• 80B总参数 / 13B激活参数 — 最大的开源图像 MoE 模型；每次推理仅激活13B参数

• 统一的多模态架构 — 在一个模型中同时支持文生图、图像编辑、风格迁移和多图合成

• 指令驱动编辑 — 用自然语言描述你想改动的内容，同时保留未改动的元素

• 提供蒸馏检查点 — HunyuanImage-3.0-Instruct-Distil 只需8个采样步即可运行，以加快生成速度

• vLLM 加速 — 原生支持 vLLM，可显著加快生产环境中的推理速度

• 自回归框架 — 与基于 DiT 的模型（FLUX、SD3.5）不同，采用统一的自回归（AR）方法同时用于理解和生成

模型变体

模型	使用场景	步数	HuggingFace
HunyuanImage-3.0	仅文生图	30–50	tencent/HunyuanImage-3.0
HunyuanImage-3.0-Instruct	文生图 + 编辑 + 多图	30–50	tencent/HunyuanImage-3.0-Instruct
HunyuanImage-3.0-Instruct-Distil	快速推理（8步）	8	tencent/HunyuanImage-3.0-Instruct-Distil

需求

Clore.ai 市场上未列出多 GPU 的 80GB 级机型。 目前列出的最大配置是 4× RTX PRO 6000 Blackwell（每张 96GB，共 380GB）以及 8–11× RTX 5090（每张 32GB）。A100 / H200 / B200 容量可按 裸机 需求提供。部署前请查看 GPU 价格与可用性 。

配置	单 GPU（卸载）	推荐	多 GPU 生产
GPU	1× RTX 4090 24GB	1× A100 80GB	2–3× A100 80GB
显存	24GB（分层卸载）	80GB	160–240GB
内存	128GB	128GB	256GB
磁盘	200GB	200GB	200GB
CUDA	12.8+	12.8+	12.8+

推荐的 Clore.ai 配置：

• 市场上性价比最高的是： 1× RTX PRO 6000 Blackwell 96GB（$0.92–1.38/小时）——无需卸载即可轻松运行完整模型。A100 80GB 是经典选择，但只以 裸机

• 预算方案： 1× RTX 4090（$0.14–0.42/小时）——可配合 CPU 卸载使用（较慢，但可用）

• 快速生产： 2× A100 80GB（裸机）——用于批量生成和 Instruct 模型

快速开始

安装

# 克隆仓库
git clone https://github.com/Tencent-Hunyuan/HunyuanImage-3.0.git
cd HunyuanImage-3.0

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

# 下载模型权重
huggingface-cli download tencent/HunyuanImage-3.0-Instruct --local-dir ./ckpts/HunyuanImage-3-Instruct

使用 Transformers 进行文生图

import torch
from transformers import AutoModelForCausalLM, AutoTokenizer

# 加载模型（全精度需要约80GB显存）
model_path = "./ckpts/HunyuanImage-3-Instruct"
model = AutoModelForCausalLM.from_pretrained(
    model_path,
    torch_dtype=torch.bfloat16,
    device_map="auto",
    trust_remote_code=True,
)

# 从文本生成图像
prompt = "一个宁静的日本秋日庭院，锦鲤在晶莹清澈的池塘中游动，金色枫叶飘落，水彩画风格"
output = model.generate_image(prompt, num_inference_steps=30)
output.save("japanese_garden.png")

使用 Gradio Web 界面

体验所有功能的最简单方式：

cd HunyuanImage-3.0

# 安装 Gradio
pip install gradio

# 启动 Web 界面
python gradio_demo.py \
    --model-path ./ckpts/HunyuanImage-3-Instruct \
    --server-name 0.0.0.0 \
    --server-port 7860

然后通过 SSH 隧道访问： ssh -L 7860:localhost:7860 root@<clore-ip>

使用示例

1. 文生图生成（CLI）

cd HunyuanImage-3.0

python inference.py \
    --model-path ./ckpts/HunyuanImage-3-Instruct \
    --prompt "夜晚的赛博朋克城市景观，霓虹灯照亮的摩天大楼倒映在雨水浸湿的街道上，飞行汽车，体积雾，8K" \
    --output-path output.png \
    --num-inference-steps 30 \
    --guidance-scale 5.0

2. 使用自然语言进行图像编辑

HunyuanImage 3.0 的突出特性之一——通过描述改动来编辑现有图像：

python inference.py \
    --model-path ./ckpts/HunyuanImage-3-Instruct \
    --prompt "将季节改为冬天，树木上覆盖着积雪" \
    --image-path input_photo.jpg \
    --output-path edited_winter.png \
    --num-inference-steps 30

3. 使用蒸馏模型快速生成（8步）

# 下载蒸馏检查点
huggingface-cli download tencent/HunyuanImage-3.0-Instruct-Distil \
    --local-dir ./ckpts/HunyuanImage-3-Instruct-Distil

# 仅用8步生成（快5–6倍）
python inference.py \
    --model-path ./ckpts/HunyuanImage-3-Instruct-Distil \
    --prompt "在火星上骑马的宇航员肖像，逼真风格" \
    --output-path astronaut.png \
    --num-inference-steps 8

与其他图像模型的对比

功能	HunyuanImage 3.0	FLUX.2 Klein	SD 3.5 Large
参数	80B MoE（13B 激活）	32B DiT	8B DiT
架构	自回归 MoE	扩散 Transformer	扩散 Transformer
图像编辑	✅ 原生支持	❌ 需要 ControlNet	❌ 需要 img2img
多图融合	✅ 原生支持	❌	❌
风格迁移	✅ 原生支持	❌ 需要 LoRA	❌ 需要 LoRA
最低显存	~24GB（卸载后）	16GB	8GB
速度（A100）	~15–30 秒	~0.3 秒	~5 秒
许可证	腾讯社区	Apache 2.0	Stability AI CL

给 Clore.ai 用户的建议

1. 为了速度，使用蒸馏模型 — HunyuanImage-3.0-Instruct-Distil 它只需8步而不是30–50步即可生成，将推理时间缩短4–6倍。质量仍然出人意料地接近完整模型。

2. 96GB 显存的卡是最佳平衡点 — 单张 RTX PRO 6000 Blackwell（或通过一张 A100 80GB 裸机）即可运行 Instruct 模型，无需任何卸载技巧。这比使用 CPU 卸载的 RTX 4090 快得多。

3. 预先下载模型 — 完整的 Instruct 检查点大约有160GB。将其一次性下载到持久化的 Clore.ai 卷中，可避免每次启动新实例时都重新下载。

4. 使用 SSH 隧道访问 Gradio — 不要将7860端口公开暴露。使用 ssh -L 7860:localhost:7860 即可安全地从浏览器访问 Web 界面。

5. 批量工作时尝试 vLLM 后端 — 如果你要生成很多图像，vLLM 推理路径（位于 vllm_infer/ 文件夹中）可提供明显更好的吞吐量。

故障排查

问题	解决方案
CUDA 内存不足 在 RTX 4090 上	使用 device_map="auto" 以启用 CPU 卸载，或切换到 Distil 模型
下载失败 / 非常慢	设置 HF_TOKEN 环境变量；使用 huggingface-cli download 使用 --resume-download
无法通过 HF 模型 ID 加载模型	由于名称中有点号，请先在本地克隆： huggingface-cli download tencent/HunyuanImage-3.0-Instruct --local-dir ./ckpts/
输出模糊或质量低	增大 --num-inference-steps 到40–50；提高 --guidance-scale 到7.0
图像编辑忽略指令	明确说明要更改什么、保留什么；使用简短清晰的提示词
Gradio 界面无法启动	确保 gradio>=4.0 已安装；检查模型路径是否指向正确的目录

延伸阅读

• GitHub 仓库 — 官方代码、推理脚本、Gradio 演示

• HunyuanImage 3.0-Instruct（HuggingFace） — 完整模型权重

• — 蒸馏检查点 — 8步快速推理

• — 技术报告（arXiv） — 架构细节与基准测试

• ComfyUI 集成 — 社区版 ComfyUI 自定义节点