Pruna AI pubblica P-H3-Image, un modello di immagini derivato da MiniMax H3 che gira in 21 GB di memoria video

Pruna AI, azienda specializzata nella compressione di modelli, ha reso disponibile il 3 novembre 2026 P-H3-Image, un modello di generazione e fotoritocco a pesi aperti. La sua particolarità: non è stato addestrato da zero, ma derivato da MiniMax H3, un modello video aperto quest’estate. Risultato annunciato: immagini generate in 8 passaggi invece di 50, e una versione a 4 bit che richiede circa 21 GB di memoria video. Tuttavia, la licenza ereditata da MiniMax esclude l’Europa e gli Stati Uniti.

Perché partire da un modello video

La tesi di Pruna è semplice: per mantenere le immagini coerenti da un fotogramma all’altro, un modello video deve apprendere come si presenta un oggetto da diverse angolazioni, come la luce interagisce con un materiale e come si muove un corpo. È un’ottima base per un modello di immagini. MiniMax H3 è già in grado di produrre immagini fisse, ma risultano sfocate, e il modello è troppo pesante e lento per la maggior parte degli utenti.

Pruna afferma di aver rielaborato ogni componente:

• il prompt: un piccolo modello basato su Qwen3.5-9B riscrive una richiesta di una sola riga in un prompt dettagliato, attivo per impostazione predefinita, poiché H3 è estremamente sensibile alla formulazione;
• l’encoder di testo: ridotto da 32 a 4 miliardi di parametri tramite distillazione (9 GB anziché 67);
• la diffusione: una pianificazione adattata ai dettagli fini e una distillazione che fa scendere i passaggi da 50 a 8, senza guida CFG;
• il decoder: un nuovo decoder che trasforma un singolo fotogramma in un’immagine nitida, laddove quello di H3, progettato per decodificare più fotogrammi, produce immagini sfocate.

Il modello esegue anche il fotoritocco e combina diversi riferimenti all’interno della stessa scena, una capacità ereditata dall’addestramento video di H3.

I requisiti per farlo funzionare

Questo è l’aspetto più interessante della release. La pipeline diffusers completa in bf16 richiede circa 101 GB di memoria GPU a 8 megapixel, richiedendo quindi una H200 o una B200. I file ComfyUI sono però disponibili in tre diverse precisioni: bf16 (55 GB, circa 56 GB di memoria video), 8 bit (30 GB) e 4 bit (20 GB, circa 21 GB di memoria video). ComfyUI lo supporta nativamente, senza nodi personalizzati, per il momento tramite la sua versione di sviluppo. Pruna avverte che la versione a 4 bit «preserva la qualità», ma potrebbe alterare alcuni dettagli o persino la composizione.

Per quanto riguarda le prestazioni, tutti i dati provengono da Pruna: 2,6 secondi per un’immagine da 4 megapixel su una B200, contro i 12,4 secondi di H3, e 6,3 secondi su una scheda L40S da 48 GB in 4 bit. Lo sviluppatore riconosce alcuni limiti: mani e figure minute sullo sfondo risultano talvolta deformate, soprattutto al di sotto degli 8 megapixel, e il testo piccolo o denso è poco affidabile (funzionano bene solo i testi brevi tra virgolette). La documentazione interna, inoltre, presenta alcune discrepanze: l’articolo menziona da 2 a 16 megapixel e 9 immagini di input, mentre la scheda Hugging Face parla di 8 megapixel e 8 immagini.

Una licenza che esclude l’Europa e gli Stati Uniti

I pesi non sono rilasciati sotto licenza open source. Come per Pika H3 Flex, un altro derivato di MiniMax H3, sono regolati dalla MiniMax H3 Community License. In base alla scheda di Pruna, questa licenza esclude l’Unione Europea, il Regno Unito, la Repubblica di Corea e gli Stati Uniti, a meno di una licenza separata concessa da MiniMax, e impone di mostrare la dicitura «Powered by MiniMax H3» sui prodotti che ne fanno uso. Solo l’encoder di testo (per le componenti Qwen3-VL-4B) e il riscrittore di prompt sono distribuiti sotto licenza Apache 2.0, mentre i nodi ComfyUI sono sotto licenza MIT.