P-H3-Image: Pruna verkleinert MiniMax-H3 und braucht nur 8 Schritte

Pruna AI hat aus dem Bildmodell MiniMax-H3 eine abgespeckte Version gebaut: 7× kleiner, 5× schneller und mit nur 8 statt 50 Rechenschritten. Es erzeugt Bilder mit bis zu 8 Megapixeln und bearbeitet Bilder mit bis zu 8 Vorlagen. Die Lizenz schließt allerdings die EU, das Vereinigte Königreich und die USA aus.

Modell-Releases Selbst ausprobieren 3. Nov. 2026 4 Min. Lesezeit Quelle: Reddit: lokale Modelle & Bild-KI

Worum es geht

Das Unternehmen Pruna AI, das sich auf das Komprimieren und Beschleunigen von KI-Modellen spezialisiert hat, hat auf Hugging Face das Bildmodell P-H3-Image veröffentlicht. Es entstand aus MiniMax-H3 und kann Bilder aus Text erzeugen (Text-to-Image) und bestehende Bilder bearbeiten. Die Gewichte sind offen, eine ComfyUI-Variante gibt es ebenfalls. Laut Pruna-Beitrag auf Reddit läuft das Modell 5× schneller (8 statt 50 Schritte) und ist 7× kleiner als H3. Das sind Herstellerangaben.

Was das Modell kann

P-H3-Image rendert Bilder mit 8 Megapixeln (zum Beispiel 2912 × 2912 oder 3872 × 2176). Laut Pruna sind auch 2 bis 16 MP möglich. Es arbeitet mit 8 Schritten und ohne CFG (Classifier-free Guidance – ein Verfahren, das Bilder stärker an den Prompt bindet, aber die Rechenzeit verdoppelt). Auch einen Negativ-Prompt gibt es nicht.

Beim Bearbeiten kann man ein bis acht Bilder übergeben. Bild 1 wird verändert, die anderen dienen als Referenzen („Picture 2“, „Picture 3“ …). So lässt sich etwa der Hut aus einem Bild einer Person in einem anderen Bild aufsetzen. Besonders stark ist das Modell laut Beschreibung bei Fotorealismus, dokumentarischer und redaktioneller Fotografie, Filmstills, Anime-Look, Tusche- und Kohlezeichnungen, Siebdruck-Postern und Grafikdesign mit kurzem Text in Anführungszeichen.

Prompt-Upsampler

Das Modell reagiert empfindlich auf Prompts: Ausführliche, konkrete Beschreibungen funktionieren viel besser als Kurzanfragen. Deshalb ist standardmäßig ein Prompt-Upsampler auf Basis von Qwen3.5-9B eingebaut. Er macht aus einem Satz einen detaillierten Prompt passend zum Seitenverhältnis, bei Bearbeitungen einen Auftrag, was erhalten bleibt und was sich ändert. Er kostet 6 bis 11 Sekunden zusätzlich. Man kann ihn entfernen, dann wird der Prompt wörtlich verwendet.

Tipps der Entwickler für eigene Prompts: - Im ersten Satz sagen, was das Bild ist („ein zweifarbiger Risograph-Druck“). - Eine Szene beschreiben, mit Blickwinkel, Hauptmotiv und Lichtquelle. - Jeden Text exakt in Anführungszeichen setzen, kurz halten und mit „no other text“ abschließen. - Hype-Wörter wie „stunning“, „epic“, „8k“ oder „masterpiece“ vermeiden, sie führen zu glatten, übersättigten Bildern.

Für Bearbeitungen empfiehlt Pruna die Form: „Edit . . Keep exactly as it is.“ Ohne die Liste des Erhaltenen zeichnet das Modell oft das ganze Bild neu.

Zahlen und Hardware

	Wert
Transformer	33,1 Mrd. Parameter
Gesamtgröße bf16	ca. 100 GB
GPU-Speicher 8 MP	ca. 101 GB mit Upsampler, 83 GB ohne
Mit Auto-Offloading	Spitze ca. 76 GB (eine H100 mit 80 GB)
Zeit auf B200, 8 MP	ca. 9 s (ohne Upsampler)
ComfyUI int8/4-bit	21 GB VRAM

Die „7× kleiner“-Angabe bezieht sich laut Pruna auf H3; das Team hat nach eigener Aussage alle Komponenten überarbeitet: Prompt-Upsampler, Textencoder, Diffusionsplan, Transformer und Decoder.

Was du zum Ausprobieren brauchst

Die volle Diffusers-Version ist Rechenzentrums-Hardware: etwa 101 GB GPU-Speicher (H200, B200) oder eine 80-GB-Karte mit Offloading. Für normale Heim-PCs ist die ComfyUI-Variante gedacht (PrunaAI/P-H3-Image-Comfy) mit int8- und 4-bit-Dateien, die laut Hersteller in 21 GB VRAM laufen, also etwa auf einer 24-GB-Karte. Dazu kommen genug Arbeitsspeicher und mehrere zehn GB Speicherplatz. Apple-Geräte werden im Code über „mps“ erwähnt, praktische Werte nennt die Quelle nicht. Google Colab und Kaggle sind als Notebooks verlinkt, die große Variante passt dort aber kaum hinein.

Einschränkungen

Empfindlich bei Prompts: sehr lange Prompts und Hype-Wörter verschlechtern Bilder, sehr kurze sind ohne Upsampler schwach.
Hände können misslingen, kleine Personen im Hintergrund verzerrt sein.
Kleiner oder dichter Text wird zu Pseudotext, kurze Strings klappen gut.
Bei 2 und 4 MP mehr Artefakte in Gesichtern, Händen und Details; bei 1 MP wirken Gesichter wachsartig.
Nur Einzelbilder, kein Video oder Audio.

Einordnung

Dass ein großes Bildmodell auf 8 Schritte und eine 24-GB-Karte schrumpft, ist für lokale Nutzer interessant. Zahlen wie „5× schneller“ stammen aber von Pruna selbst; unabhängige Tests und Qualitätsvergleiche mit H3 liegen nicht vor. Kritisch ist die Lizenz: Die MiniMax-H3-Community-Lizenz schließt EU, UK, Südkorea und die USA ohne separate Lizenz aus und verlangt „Powered by MiniMax H3“. Für Leser in Deutschland bedeutet das: Ohne eigene Vereinbarung mit MiniMax ist die Nutzung laut Lizenztext nicht gedeckt. Den Lizenztext solltest du vor jeder Nutzung lesen. Der Textencoder und der Upsampler stehen dagegen unter Apache 2.0.

Begriffe einfach erklärt

Classifier-free Guidance (CFG): Ein Verfahren bei Bildmodellen, das das Ergebnis stärker an den Prompt bindet, dafür aber zusätzliche Rechenarbeit pro Schritt braucht.
Prompt-Upsampler: Ein kleines Sprachmodell, das eine kurze Anfrage automatisch zu einer ausführlichen Bildbeschreibung ausbaut.
Megapixel (MP): Maß für die Bildgröße: 8 MP sind rund 8 Millionen Bildpunkte, etwa 3360 × 2496.
Offloading: Teile des Modells werden bei Bedarf zwischen Arbeitsspeicher und Grafikkarte verschoben, damit weniger VRAM nötig ist.
Quantisierung (int8/4-bit): Das Modell wird verkleinert, indem seine Zahlen gröber gespeichert werden.
Diffusers: Eine Python-Bibliothek von Hugging Face zum Ausführen von Bildmodellen.
ComfyUI: Eine grafische Oberfläche, in der man Bildgenerierung aus Bausteinen zusammenklickt.

Quellen

Reddit: lokale Modelle & Bild-KI huggingface.co

#bildgenerierung#open-weights#comfyui#pruna#minimax

Originalquelle lesen

Selbst ausprobieren: P-H3-Image

Schritt für Schritt erklärt, auch ohne Vorkenntnisse – auf deinem Rechner oder kostenlos im Browser.

Was kann ich damit machen?

P-H3-Image erzeugt hochaufgelöste Bilder (bis 8 Megapixel) aus Text und bearbeitet Bilder anhand einer Kurzanweisung, auch mit bis zu 8 Referenzbildern. Es braucht nur 8 Schritte und ist damit deutlich schneller als viele Modelle mit 30–50 Schritten. Stark ist es bei Fotorealismus, Redaktions- und Filmlook, Anime, Zeichnungen und Grafikdesign mit kurzem Text. Schwächen sind Hände, kleine Hintergrundfiguren und langer Fließtext. Ein eingebauter Prompt-Upsampler macht aus kurzen Wünschen gute Prompts. Wie gut es im Vergleich zu bekannten Alternativen abschneidet, belegt die Quelle nicht.

Für wen lohnt es sich?

Interessant für Nutzer mit 24-GB-Karte und ComfyUI-Erfahrung, die hochaufgelöste Bilder und Bildbearbeitung lokal wollen, und für Teams mit großen GPUs. Wegen der Lizenz ist es für Nutzer in EU, UK, USA und Südkorea ohne separate MiniMax-Lizenz problematisch.

Ideen: Was du damit anstellen kannst

Poster mit kurzem Titel

Beschreibe ein Siebdruck- oder Risograph-Poster mit einem kurzen Titel in Anführungszeichen. Das Modell setzt Text und Grafikstil gut um.

Produktfoto anpassen

Lade ein Foto hoch und ändere eine Farbe oder Umgebung, etwa „let it snow on the street“. Die Liste des Unveränderten hält den Rest stabil.

Figuren zusammenführen

Gib bis zu 8 Porträts oder Objekte als Referenzen und lass sie in einer Szene vereinen, etwa für Illustrationen oder Spielideen.

Hochauflösende Wandbilder

Erzeuge 8-MP-Motive im Redaktions- oder Filmlook als Druckvorlage für Wanddeko, sofern die Lizenz es erlaubt.

Storyboards im Filmlook

Beschreibe einzelne Filmbilder oder Anime-Frames, um Szenen für Kurzfilm oder Rollenspiel zu visualisieren.

Größe33,1 Mrd. Parameter

Download100 GB (bei 100 MBit/s ca. 2,2 Std.)

Lizenzeigene Lizenz (siehe Model Card)

ArtBildgenerator

Hugging FacePrunaAI/P-H3-Image

Was dein Rechner braucht

Grafikkarte (NVIDIA) mind. 39 GB VRAM, empfohlen 102 GBnur Server mit mehreren Rechenzentrums-GPUs (z. B. 8× H100)

Mac (Apple Silicon M1–M5) ab 192 GB gemeinsamer Speicherläuft über Metal (MPS), aber deutlich langsamer als mit NVIDIA-Karte

Nur Prozessor (ohne Grafikkarte) Möglich, aber sehr langsammehrere Minuten pro Bild. Nicht empfehlenswert.

Speicherplatz ca. 102 GB freiModell-Download plus Programme

Google Colab nur mit Colab Pro/Pro+braucht eine A100 mit 80 GB oder H100

Für Heim-PCs die ComfyUI-Variante PrunaAI/P-H3-Image-Comfy mit int8 oder 4-bit (ca. 21 GB VRAM). Die bf16-Diffusers-Version braucht ca. 101 GB, mit Offloading ca. 80 GB.

bf16 bei 8 MP: ca. 101 GB GPU-Speicher mit Upsampler, 83 GB ohne.
Mit Auto-CPU-Offload läuft es auf einer 80-GB-Karte (H100), Spitze ca. 76 GB.
ComfyUI-Dateien (int8, w4a8/4-bit) laufen laut Hersteller in 21 GB VRAM.
Plattenplatz: ca. 100 GB für die bf16-Gewichte.
Auf einer B200 dauert ein 8-MP-Bild ca. 9 s; auf kleineren Karten deutlich länger.

Wie finde ich heraus, was mein Rechner hat?

Windows: Strg + Umschalt + Esc drücken → Task-Manager → Reiter Leistung → links GPU anklicken. Unten steht Dedizierter GPU-Speicher (das ist dein VRAM). Den Arbeitsspeicher findest du unter Arbeitsspeicher.
Mac: Apfel-Menü oben links → Über diesen Mac. Dort stehen Chip (z. B. M2) und Speicher (z. B. 16 GB). Bei Apple-Chips teilen sich Grafik und Prozessor diesen Speicher.
Linux: Im Terminal nvidia-smi eingeben (zeigt Grafikkarte und Speicher) und free -h für den Arbeitsspeicher.

Anleitung

Google Colab (im Browser, ohne Installation)

Google Colab ist ein kostenloser Dienst von Google: Du bekommst für ein paar Stunden einen Rechner mit Grafikkarte im Browser. Du brauchst nur ein Google-Konto. Für dieses Modell: nur mit Colab Pro/Pro+ – braucht eine A100 mit 80 GB oder H100.

Notebook herunterladen. Klick auf den Knopf und speichere die Datei.
colab.ipynb herunterladen
Colab öffnen. Geh auf colab.research.google.com und melde dich mit deinem Google-Konto an.
Notebook hochladen. Im Fenster, das erscheint, links auf Hochladen klicken (oder oben Datei → Notebook hochladen) und die Datei colab.ipynb auswählen.
Grafikkarte einschalten. Oben im Menü Laufzeit → Laufzeittyp ändern → bei Hardwarebeschleuniger T4-GPU auswählen (mit Colab Pro: L4 oder A100) → Speichern.
Alles starten. Laufzeit → Alle ausführen (Tastenkürzel Strg + F9). Kommt die Warnung „Dieses Notebook wurde nicht von Google erstellt“, auf Trotzdem ausführen klicken.
Warten. Die Zellen laufen nacheinander durch. Links neben jeder Zelle erscheint ein grüner Haken, wenn sie fertig ist. Installation und Download dauern hier etwa 37 Minuten.
Ausprobieren. Das Ergebnis steht unter der letzten Zelle. Um etwas anderes zu testen, den Text in der Zelle ändern und mit Shift + Enter erneut ausführen.
Aufräumen. Wenn du fertig bist: Laufzeit → Sitzung beenden. Das schont dein kostenloses Kontingent.

Gut zu wissen: Die Gratis-GPU ist begrenzt (meist einige Stunden am Tag). Nach rund 90 Minuten ohne Aktivität trennt Colab die Verbindung, dann alles neu starten.

Windows 10 / 11

Dieses Modell läuft mit Python. Unser Skript erledigt die Einrichtung automatisch: Es legt eine abgeschottete Python-Umgebung an, installiert die nötigen Programme (PyTorch, ca. 3 GB) und lädt das Modell (100 GB (bei 100 MBit/s ca. 2,2 Std.)).

Grafikkartentreiber aktualisieren (NVIDIA): aktuellen Treiber installieren. Ohne NVIDIA-Karte läuft es auf dem Prozessor – deutlich langsamer.
Python installieren. Auf python.org Python 3.12 herunterladen und starten. Wichtig: Unten im ersten Fenster das Häkchen bei Add python.exe to PATH setzen, dann Install Now.
Ordner anlegen und Dateien laden. Einen Ordner erstellen, z. B. Dokumente\KI-Test, und beide Dateien hineinspeichern:
try_windows.ps1 demo.py
Terminal im Ordner öffnen. Den Ordner im Explorer öffnen, Rechtsklick auf eine freie Stelle → In Terminal öffnen.
Starten. Diesen Befehl einfügen und Enter drücken:
```
powershell -ExecutionPolicy Bypass -File try_windows.ps1
```
Jetzt laufen Installation und Download. Das kann beim ersten Mal 10–30 Minuten dauern.
Ergebnis. Im Ordner liegt jetzt das erzeugte Bild output.png.
Nochmal mit eigener Eingabe: demo.py mit dem Editor öffnen, den Beispieltext ändern, speichern. Dann im Terminal:
```
.\.venv-p-h3-image\Scripts\Activate.ps1
python demo.py
```

macOS

Ideal sind Macs mit Apple-Chip (M1 bis M5). Ältere Intel-Macs sind sehr langsam.

Terminal öffnen. Cmd + Leertaste, Terminal eintippen, Enter.
Entwicklerwerkzeuge installieren (nur beim ersten Mal, liefert Python mit):
```
xcode-select --install
```
Im Fenster auf Installieren klicken. Kommt „already installed“, ist alles schon da.
Dateien herunterladen – beide landen im Ordner Downloads:
try_mac.sh demo.py
Starten:
```
cd ~/Downloads
bash try_mac.sh
```
Installation und Download dauern beim ersten Mal 10–30 Minuten.
Ergebnis. Im Ordner liegt jetzt das erzeugte Bild output.png.

Linux

Grafikkarte prüfen. nvidia-smi sollte deine Karte anzeigen. Wenn nicht, unter Ubuntu den Treiber installieren und neu starten:
```
sudo ubuntu-drivers install
```

Python-Grundlagen installieren (Ubuntu/Debian):

sudo apt update && sudo apt install -y python3-venv python3-pip git

Dateien in einen Ordner laden und dort ein Terminal öffnen:
try_linux.sh demo.py
Starten:
```
bash try_linux.sh
```
Ergebnis. Im Ordner liegt jetzt das erzeugte Bild output.png.

Das kannst du ausprobieren

Ein Foto eines Straßenfotografen: eine Bäckerin in Hamburg öffnet morgens ihren Laden, weiches Licht von links, keine Schrift.

Ein zweifarbiger Risograph-Druck eines Leuchtturms an der Nordsee, Poster mit dem Text „NORDSEE“ oben, no other text.

Ein Standbild aus einer japanischen Anime-TV-Serie: zwei Kinder auf Fahrrädern im Sommerregen.

Bearbeitung: Make the pickup truck red. Keep the background and the light exactly as it is.

Setze der Frau auf Bild 1 den Hut von Bild 2 auf.

Tipps für bessere Ergebnisse

Möglichst bei 8 MP rendern, kleinere Auflösungen zeigen mehr Fehler in Gesichtern und Händen.
Text exakt in Anführungszeichen setzen und kurz halten.
Den Upsampler eingeschaltet lassen, wenn du nur kurze Prompts schreibst.
Mit dem Ausgabewert „prompt“ den vom Upsampler geschriebenen Prompt ansehen und daraus lernen.

Wenn es hakt

Lizenz: Die MiniMax-H3-Lizenz schließt EU, UK, Südkorea und USA ohne Extra-Lizenz aus – vorher lesen.

Diffusers muss aus GitHub installiert werden (pip install git+https://github.com/huggingface/diffusers).

Für 8 MP sind riesige GPUs nötig; auf kleinen Karten die ComfyUI-Variante nehmen.

Hype-Wörter wie „8k“ oder „masterpiece“ verschlechtern das Ergebnis.

Bei Bearbeitungen immer angeben, was unverändert bleiben soll, sonst wird das Bild neu gezeichnet.

Seitenlängen werden auf Vielfache von 32 gerundet.

„out of memory“, Absturz oder der Rechner hängt

Das Modell ist zu groß für deinen Grafikspeicher. Nimm eine kleinere Variante aus der Tabelle oben und schließe andere Programme, vor allem Spiele und Browser mit vielen Tabs.

Es läuft, aber extrem langsam

Wahrscheinlich rechnet der Prozessor statt der Grafikkarte. Bei Ollama zeigt ollama ps in der Spalte PROCESSOR, wie viel auf der GPU läuft. Steht dort „100% CPU“, Grafiktreiber aktualisieren oder eine kleinere Variante nehmen, die komplett in den Grafikspeicher passt.

„ollama“ bzw. „python“ wird nicht gefunden

Das Eingabefenster schließen und neu öffnen, damit es das frisch installierte Programm kennt. Bei Python unter Windows: neu installieren und das Häkchen Add python.exe to PATH setzen.

Windows: „Die Ausführung von Skripts ist auf diesem System deaktiviert“

Das Skript genau mit dem Befehl oben starten: powershell -ExecutionPolicy Bypass -File try_windows.ps1. Das erlaubt die Ausführung nur dieses einen Mal.

Fehlermeldung beim Laden des Modells (Version, „trust_remote_code“, unbekannte Architektur)

Ganz neue Modelle brauchen oft die neueste Programmversion. Bei Ollama: Ollama aktualisieren. Bei Python: pip install -U transformers in der aktivierten Umgebung. Die Model Card nennt meist die genaue Version.

Skripte und Notebook erzeugt Tokenstrom automatisch. Bitte vor dem Ausführen kurz ansehen – sie sind lesbarer Klartext. Lizenz des Modells beachten: eigene Lizenz (siehe Model Card).

Frag den KI-Assistenten

Fragen zu diesem Artikel, zur Installation oder zu Hintergründen? Unser Assistent kennt diese Seite und läuft auf unserem eigenen Rechner, nicht in einer fremden Cloud.

Verbinde …

Der Assistent ist eine KI (Gemma 4) und kann sich irren – wichtige Angaben bitte in der Quelle prüfen. Fragen werden nur zum Beantworten genutzt und nach einer Stunde gelöscht. Bitte keine persönlichen Daten eingeben.

Kommentare

Was meinst du dazu? Schon ausprobiert? Schreib es hier, ohne Anmeldung.

Kommentare werden geladen …

Kommentare sind öffentlich. Links sind nicht erlaubt, beleidigende Beiträge löschen wir. Deinen eigenen Kommentar kannst du in diesem Browser jederzeit wieder löschen. Mehr dazu in der Datenschutzerklärung.