/ Модель

Характеристики

Контекст
262 144 токена
Размер весов
17,6 ГБ
Лицензия
MIT
Архитектура
qwen3_vl · dense
Библиотека
diffusers
Опубликована
9 мая 2026

HiDream-O1-Image-BF16

Генерация изображенийИзображение, текст → изображение5 профессий

BF16-версия 9B-модели HiDream-O1-Image для генерации, редактирования и персонализации изображений по тексту и референсам в ComfyUI.

1 223скачиваний за 30 дней2лайкавеса обновлены10 мая 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

HiDream-O1-Image-BF16 — конверсия модели HiDream-O1-Image в формате bfloat16, опубликованная drbaph для запуска в ComfyUI. Исходная модель разработана HiDream-ai и основана на Pixel-level Unified Transformer (UiT): она работает с пикселями, текстом и условиями задачи в общем токеновом пространстве, без внешнего VAE и раздельных текстовых энкодеров. Модель содержит 9 млрд параметров и использует библиотеку Diffusers.

Модель предназначена для генерации изображений по текстовому описанию, редактирования изображений по инструкциям, персонализации объекта по нескольким референсам и создания раскадровок. Она поддерживает генерацию с нативным разрешением до 2048 × 2048, длинные текстовые запросы и многоязычный рендеринг текста; в карточке указаны английский и китайский языки. Конверсия BF16 ориентирована на баланс точности и эффективности памяти и рассчитана на 50 шагов инференса.

Для комфортной работы в полном разрешении рекомендуется GPU с 20–24 ГБ видеопамяти; заявленный диапазон потребления VRAM составляет примерно 17–20 ГБ. Для запуска требуется ComfyUI и совместимый пользовательский узел. Модель и конверсия распространяются по лицензии MIT.

Сценарии применения

  • генерация изображений по текстовым описаниям
  • редактирование изображений по инструкциям
  • персонализация объекта по нескольким референсам
  • создание изображений с текстом на английском и китайском языках
  • создание раскадровок
  • генерация изображений в разрешении до 2048 × 2048

Ограничения

Для комфортной работы требуется примерно 17–20 ГБ VRAM, а для генерации в полном разрешении 2048 × 2048 рекомендуется GPU с 20 ГБ или больше. Модель ориентирована на запуск через ComfyUI с совместимым пользовательским узлом.

Для каких профессий подходит5

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

HiDream-O1-Image — BF16 (ComfyUI)

This is the BF16 conversion of HiDream-O1-Image for use with ComfyUI. Weights have been cast to bfloat16 for a balance of precision and memory efficiency.

image

Custom ComfyUI Node: Saganaki22/HiDream_O1-ComfyUI

Screenshot 2026-05-10 005045


VRAM Requirements

PrecisionApproximate VRAM
BF16 (this repo)17 – 20 GB
FP1617 – 20 GB
FP8 Mixed~10 GB

A GPU with at least 20 GB VRAM is recommended for comfortable use at full 2048 × 2048 resolution. 24 GB cards (RTX 3090/4090, A5000, etc.) will have no issues.


Quick Start — ComfyUI

1. Install the Custom Node

cd ComfyUI/custom_nodes
git clone https://github.com/Saganaki22/HiDream_O1-ComfyUI
pip install -r HiDream_O1-ComfyUI/requirements.txt

Or install via ComfyUI Manager by searching for HiDream O1.

2. Download the Weights

huggingface-cli download drbaph/HiDream-O1-Image-BF16 \
    --local-dir ComfyUI/models/diffusion_models/HiDream-O1-Image-bf16

3. Load in ComfyUI

Open ComfyUI and use the workflow provided in the custom node repository. Point the model loader to HiDream-O1-Image-bf16.


About HiDream-O1-Image

HiDream-O1-Image is a natively unified image generative foundation model built on a Pixel-level Unified Transformer (UiT) — no external VAEs, no disjoint text encoders. It encodes raw pixels, text, and task-specific conditions in a single shared token space, supporting:

  • Text-to-image generation up to 2,048 × 2,048
  • Instruction-based image editing
  • Subject-driven personalization (multi-reference IP)
  • Long-text and multilingual text rendering

At only 9B parameters it matches or exceeds much larger open-source DiTs and leading closed-source models. It debuted at #8 in the Artificial Analysis Text to Image Arena (2026-05-05).


Key Features

  • 🧬 Pixel-Level Unified Transformer — end-to-end on raw pixels, no VAE, no disjoint text encoder
  • 🎨 One Model, Many Tasks — T2I, editing, personalization, storyboard generation
  • 🧠 Reasoning-Driven Prompt Agent — built-in "thinking" agent that resolves layout and rendering before generation
  • 🖼️ Native High Resolution — direct synthesis up to 2,048 × 2,048
  • ⚡ 9B Parameters — performance parity with models many times larger

Model Variants

RepoPrecisionVRAMInference Steps
drbaph/HiDream-O1-Image-BF16 (this repo)BF1617–20 GB50
drbaph/HiDream-O1-Image-FP16FP1617–20 GB50
drbaph/HiDream-O1-Image-FP8FP8 Mixed~10 GB50
HiDream-ai/HiDream-O1-ImageOriginal—50
HiDream-ai/HiDream-O1-Image-DevOriginal Dev—28

Benchmark Results (from original model)

GenEval (compositional generation) — HiDream-O1-Image scores 0.90 overall at 9B params, second only to the 200B+ Pro variant and ahead of GPT Image 2 (0.89).

DPG-Bench (dense prompt alignment) — Overall score 89.83, ranking second behind the Pro variant.

HPSv3 (human preference) — Overall score 10.37, outperforming GPT Image 2 (10.21) and Nano Banana 2.0 (10.01).


License

The original HiDream-O1-Image model and code are released under the MIT License. This BF16 conversion inherits the same license.


Links

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · diffusers

Нельзя запустить

Задача «image-text-to-image» пока не поддерживается рантаймом.

Класс архитектуры
Qwen3VLForConditionalGeneration
Ревизия весов
b9d73ec

0 моделей