Pruna AI lança P-H3-Image, modelo de imagem derivado do MiniMax H3 que roda com 21 GB de memória de vídeo

Pruna AI, especialista em compressão de modelos, disponibilizou em 3 de novembro de 2026 o P-H3-Image, um modelo de geração e edição de imagens com pesos abertos. Seu diferencial: ele não foi treinado do zero, mas derivado do MiniMax H3, um modelo de vídeo aberto no meio deste ano. O resultado anunciado: imagens em 8 etapas em vez de 50, e uma versão de 4 bits que cabe em cerca de 21 GB de memória de vídeo. No entanto, a licença, herdada da MiniMax, deixa de fora a Europa e os Estados Unidos.

Por que partir de um modelo de vídeo

O argumento da Pruna é simples: para manter suas imagens coerentes de um quadro para o outro, um modelo de vídeo precisa aprender como um objeto se apresenta sob vários ângulos, como a luz incide sobre um material e como um corpo se move. É uma excelente base para um modelo de imagem. O MiniMax H3 já consegue produzir imagens estáticas, mas elas saem borradas, além de o modelo ser pesado e lento demais para a maioria dos usuários.

A Pruna afirma ter reformulado cada componente:

• o prompt: um modelo pequeno baseado no Qwen3.5-9B reescreve uma solicitação de uma linha em um prompt detalhado, ativado por padrão, já que o H3 é muito sensível à formulação;
• o codificador de texto: reduzido de 32 para 4 bilhões de parâmetros por destilação (9 GB em vez de 67);
• a difusão: um cronograma adaptado aos detalhes finos e uma destilação que reduz de 50 para 8 etapas, sem orientação CFG;
• o decodificador: um novo decodificador que transforma um único quadro em uma imagem nítida, enquanto o do H3, projetado para decodificar vários quadros, gera imagens borradas.

O modelo também edita imagens e combina várias referências em uma mesma cena, recurso herdado do treinamento de vídeo do H3.

O que é necessário para rodar o modelo

Este é o principal atrativo do lançamento. O pipeline diffusers completo em bf16 exige cerca de 101 GB de memória GPU a 8 megapixels, ou seja, uma H200 ou B200. Mas os arquivos para ComfyUI existem em três precisões: bf16 (55 GB, cerca de 56 GB de memória de vídeo), 8 bits (30 GB) e 4 bits (20 GB, cerca de 21 GB de memória de vídeo). O ComfyUI oferece suporte nativo, sem nós personalizados, por meio de sua versão de desenvolvimento no momento. A Pruna adverte que a versão de 4 bits “mantém a qualidade”, mas pode alterar detalhes ou até mesmo a composição.

Em termos de desempenho, todos os dados vêm da Pruna: 2,6 segundos para uma imagem de 4 megapixels em uma B200, contra 12,4 segundos no H3, e 6,3 segundos em uma placa L40S de 48 GB em 4 bits. A desenvolvedora reconhece limitações: mãos e personagens pequenos em segundo plano às vezes saem distorcidos, sobretudo abaixo de 8 megapixels, e textos pequenos ou densos têm pouca confiabilidade (apenas textos curtos entre aspas funcionam bem). Seus documentos, aliás, não coincidem totalmente: o artigo fala de 2 a 16 megapixels e 9 imagens de entrada, enquanto a ficha do Hugging Face indica 8 megapixels e 8 imagens.

Uma licença que exclui a Europa e os Estados Unidos

Os pesos não estão sob uma licença de código aberto. Assim como ocorreu com o Pika H3 Flex, outro derivado do MiniMax H3, eles estão sob a MiniMax H3 Community License. De acordo com a ficha da Pruna, essa licença exclui a União Europeia, o Reino Unido, a República da Coreia e os Estados Unidos, exceto mediante licença separada concedida pela MiniMax, e exige a exibição de “Powered by MiniMax H3” nos produtos que a utilizarem. Apenas o codificador de texto (em suas partes Qwen3-VL-4B) e o reescritor de prompts estão sob a licença Apache 2.0, e os nós do ComfyUI sob a MIT.