Pruna AI publie P-H3-Image, un modèle d'image tiré de MiniMax H3 qui tourne dans 21 Go de mémoire vidéo

Pruna AI, spécialiste de la compression de modèles, a mis en ligne le 3 novembre 2026 P-H3-Image, un modèle de génération et de retouche d’images à poids ouverts. Sa particularité : il n’a pas été entraîné de zéro, mais tiré de MiniMax H3, un modèle vidéo ouvert cet été. Résultat annoncé : des images en 8 étapes au lieu de 50, et une version 4 bits qui tient dans environ 21 Go de mémoire vidéo. Mais la licence, héritée de MiniMax, laisse de côté l’Europe et les États-Unis.

Pourquoi partir d’un modèle vidéo

L’argument de Pruna est simple : pour garder ses images cohérentes d’une frame à l’autre, un modèle vidéo doit apprendre comment un objet se présente sous plusieurs angles, comment la lumière tombe sur une matière, comment un corps bouge. C’est une bonne base pour un modèle d’image. MiniMax H3 sait déjà produire des images fixes, mais elles sortent floues, et le modèle est trop lourd et trop lent pour la plupart des utilisateurs.

Pruna dit avoir retravaillé chaque composant :

• le prompt : un petit modèle basé sur Qwen3.5-9B réécrit une demande d’une ligne en prompt détaillé, activé par défaut, car H3 est très sensible à la formulation ;
• l’encodeur de texte : ramené de 32 à 4 milliards de paramètres par distillation (9 Go au lieu de 67) ;
• la diffusion : un calendrier adapté aux détails fins et une distillation qui fait passer de 50 à 8 étapes, sans guidage CFG ;
• le décodeur : un nouveau décodeur qui transforme une seule frame en image nette, là où celui de H3, conçu pour décoder plusieurs frames, rend des images floues.

Le modèle retouche aussi des images et combine plusieurs références dans une même scène, une capacité héritée de l’entraînement vidéo de H3.

Ce qu’il faut pour le faire tourner

C’est l’intérêt principal de la sortie. Le pipeline diffusers complet en bf16 réclame environ 101 Go de mémoire GPU à 8 mégapixels, soit un H200 ou un B200. Mais les fichiers ComfyUI existent en trois précisions : bf16 (55 Go, environ 56 Go de mémoire vidéo), 8 bits (30 Go) et 4 bits (20 Go, environ 21 Go de mémoire vidéo). ComfyUI le prend en charge nativement, sans nœud personnalisé, via sa version de développement pour l’instant. Pruna prévient que la version 4 bits « garde la qualité » mais peut changer des détails, voire la composition.

Sur les performances, tout vient de Pruna : 2,6 secondes pour une image de 4 mégapixels sur un B200, contre 12,4 secondes pour H3, et 6,3 secondes sur une carte L40S de 48 Go en 4 bits. L’éditeur reconnaît des limites : mains et petits personnages d’arrière-plan parfois déformés, surtout sous 8 mégapixels, et texte petit ou dense peu fiable (seuls les textes courts entre guillemets fonctionnent bien). Ses documents ne concordent d’ailleurs pas tout à fait : le billet parle de 2 à 16 mégapixels et de 9 images d’entrée, la fiche Hugging Face de 8 mégapixels et de 8 images.

Une licence qui exclut l’Europe et les États-Unis

Les poids ne sont pas sous une licence open source. Comme pour Pika H3 Flex, autre dérivé de MiniMax H3, ils relèvent de la MiniMax H3 Community License. Selon la fiche de Pruna, cette licence exclut l’Union européenne, le Royaume-Uni, la République de Corée et les États-Unis, sauf licence séparée accordée par MiniMax, et impose d’afficher « Powered by MiniMax H3 » sur les produits qui l’utilisent. Seuls l’encodeur de texte (pour ses parties Qwen3-VL-4B) et le réécrivain de prompts sont sous Apache 2.0, et les nœuds ComfyUI sous MIT.