P-H3-Image: 8단계 이미지 생성, 오픈 웨이트 편집

1. 생성과 편집을 한 모델에서

P-H3-Image는 MiniMax-H3 영상 모델을 바탕으로 만든 이미지 생성·편집 모델이다. 회사 발표 기준 2~16메가픽셀 이미지를 생성하며, 사진처럼 사실적인 장면과 영화 화면 같은 표현에 강점을 둔다. 모델 카드는 텍스트로 생성할 때 8메가픽셀, 편집할 때 4메가픽셀 또는 8메가픽셀을 권장한다.

공개 파이프라인, 여러 처리 단계를 잇는 흐름에서 편집 입력은 모델 카드, 사용법과 조건을 적은 안내 문서 기준 최대 8장이다. 첫 번째 이미지를 편집 대상으로 삼고 나머지는 인물이나 소품 등을 가져올 참고 자료로 쓴다. 짧은 요청으로 여러 사진의 요소를 한 장면에 합치는 작업도 지원한다.

2. 영상 모델을 이미지에 맞게 바꿨다

PrunaAI는 영상 모델이 물체의 여러 각도와 재질에 비치는 빛을 익힌다는 점을 이미지 모델의 출발점으로 삼았다. 회사는 같은 프롬프트와 시드, 무작위 생성의 출발값으로 8메가픽셀 이미지를 비교했으며, 대부분의 프롬프트에서 8단계 모델이 원본 50단계 모델에 맞먹는다고 설명했다.

텍스트를 모델이 읽을 신호로 바꾸는 인코더는 큰 모델의 출력을 작은 모델이 따라 배우는 증류로 320억 개에서 40억 개의 학습 중 조정되는 모델 내부 매개변수로 줄였고, 이미지 생성 계산은 50단계에서 8단계로 낮췄다. 또 단일 이미지를 선명하게 복원하는 디코더를 학습하고, 가중치의 숫자 정밀도를 낮추는 양자화를 적용해 8비트·4비트 구성을 만들었다.

3. 작아진 가중치와 빨라진 생성

회사 발표 기준 최소 가중치 묶음은 원본의 143GB에서 20GB로 줄었다. 아래는 블로그가 제시한 모델·정밀도별 다운로드 용량이며, 생성 시 GPU 메모리 사용량과는 별개다.

표: 모델·정밀도별 가중치 다운로드 용량

조건: 회사가 제시한 MiniMax-H3 원본과 P-H3-Image bf16·4비트 가중치 묶음의 다운로드 크기.

단위: GB

최소 구성은 저장·전송 부담을 낮추는 선택지다. 속도는 회사 발표 기준 B200 한 장·bf16에서 4메가픽셀 생성이 12.4초에서 2.6초로, 8메가픽셀은 30.6초에서 5.8초로 줄었다. 추가 최적화 없이 원본 50단계와 P-H3-Image 8단계를 비교한 값이다.

실행 비용은 선택하는 구성에 따라 달라진다. 블로그의 8메가픽셀 피크 GPU 메모리는 bf16 56GB, 4비트 21GB인 반면, 모델 카드의 diffusers 파이프라인은 같은 해상도·bf16에서 프롬프트 업샘플러를 켜면 약 101GB, 끄면 약 83GB다. 따라서 다운로드 용량과 함께 사용할 실행 경로의 메모리 요구량을 살펴야 한다.

4. 파이프라인과 프롬프트 활용

모델은 diffusers의 ModularPipeline으로 사용할 수 있다. 자동 CPU 오프로딩을 설정하면 구성 요소를 필요할 때 GPU로 옮겨, 모델 카드 기준 80GB GPU에서도 8메가픽셀 작업을 실행할 수 있다.

import torch
from diffusers import ComponentsManager, ModularPipeline

manager = ComponentsManager()
manager.enable_auto_cpu_offload(device="cuda")

pipe = ModularPipeline.from_pretrained("PrunaAI/P-H3-Image", components_manager=manager)
pipe.load_components(dtype=torch.bfloat16)
image = pipe(prompt=prompt, height=3360, width=2496, output="images")[0]

프롬프트 업샘플러는 기본으로 켜져 짧은 요청을 모델에 맞는 상세한 지시로 바꾼다. 요청을 일일이 다듬는 수고를 줄이는 대신, 모델 카드의 B200 한 장·bf16·배치 크기 1·컴파일과 오프로딩 없는 조건에서는 생성 시간에 6~11초를 더한다.

직접 프롬프트를 쓸 때는 원하는 이미지의 종류와 한 장면을 먼저 설명하고, 이미지에 넣을 글자는 짧게 인용하는 방식을 권한다. 편집 지시에는 완성된 모습과 그대로 유지할 요소를 함께 적는다.

ComfyUI도 모델을 기본 지원하며 별도 사용자 제작 노드 없이 사용할 수 있다. 블로그는 bf16·8비트·4비트 가중치 중에서 선택하는 실행 경로로 이를 안내한다.

5. 라이선스와 활용 범위

P-H3-Image는 MiniMax H3 Community License로 공개됐으며, 블로그와 모델 카드는 유럽연합·영국·대한민국·미국에서는 MiniMax의 별도 허가가 필요하고 파생 제품에는 “Powered by MiniMax H3” 표시가 필요하다고 안내한다.

모델 카드는 낮은 해상도에서 얼굴·손·작은 요소의 결함이 늘고 작거나 빽빽한 글자가 왜곡될 수 있다고 설명하며, 회사는 4비트 구성에서 세부 묘사나 구도가 달라질 수 있다고 밝혔다.

P-H3-Image는 영상 모델의 이미지 생성·편집 능력을 더 작고 빠르게 옮겼으며, 도입 판단의 기준은 다운로드 용량뿐 아니라 실행 구성과 사용 허가에 있다.