/ Модель

Характеристики

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

HiDream-O1-Image-Dev-2604-BF16

Генерация изображенийИзображение, текст → изображение4 профессии

Дистиллированная BF16-версия HiDream-O1-Image для генерации изображений по тексту и с управлением композицией, позой и объектом в ComfyUI.

442скачиваний за 30 дней2лайкавеса обновлены14 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-Dev-2604-BF16 — конверсия в формате BF16 модели HiDream-ai/HiDream-O1-Image-Dev-2604, подготовленная для работы с ComfyUI. Исходная модель — дистиллированная версия семейства HiDream-O1-Image с архитектурой Pixel-level Unified Transformer: она совместно обрабатывает пиксели, текст и управляющие условия. Вариант Dev выполняет генерацию за 28 шагов; заявленное разрешение изображений — до 2048 × 2048.

Модель предназначена для генерации изображений по тексту, персонализации изображений по объекту, управления расположением объектов через разметку областей и задания позы по скелету OpenPose. Семейство также поддерживает редактирование изображений по инструкции, но для таких задач разработчик рекомендует полную версию. Обновление 2604 добавляет ускоренный вывод для персонализации и обновлённый планировщик редактирования. В режиме Dev CFG отключён, поэтому негативные промпты не влияют на результат. Для BF16 требуется примерно 17–20 ГБ видеопамяти; README предупреждает о проблемах совместимости с PyTorch 2.9.x и рекомендует версию 2.8.x или ниже.

Модель использует входные изображения и текстовые запросы и генерирует изображения. README заявляет поддержку многоязычного текста, но конкретные языки не перечисляет. Репозиторий распространяется по лицензии MIT.

Сценарии применения

  • создание изображений по текстовому описанию
  • генерация изображений с заданным расположением объектов
  • персонализация изображения по образцу субъекта
  • создание изображений с позой, заданной скелетом OpenPose
  • генерация изображений высокого разрешения до 2048 × 2048

Ограничения

Для задач редактирования по инструкции разработчик рекомендует полную версию модели; в Dev негативные промпты не действуют, поскольку CFG отключён. README предупреждает о проблемах совместимости с PyTorch 2.9.x и указывает потребность примерно в 17–20 ГБ видеопамяти для BF16.

Для каких профессий подходит4

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

HiDream-O1-Image-Dev-2604 — BF16 (ComfyUI)

This is the BF16 conversion of HiDream-ai/HiDream-O1-Image-Dev-2604 — the updated distilled Dev variant of HiDream-O1-Image released May 13, 2026 — for use with ComfyUI. This update brings accelerated IP inference, layout and skeleton conditioning support, and an updated editing scheduler. The Dev model runs in 28 steps at 9B parameters.

⚠️ PyTorch 2.9.x is not recommended — known compatibility issues exist. Use 2.8.x or earlier.

⚠️ Editing note: For instruction-based image editing tasks, the upstream team recommends using the full model instead of Dev.

Custom ComfyUI Node: Saganaki22/HiDream_O1-ComfyUI


What's New in Dev-2604

  • Accelerated IP inference — faster subject-driven personalization
  • Layout conditioning — place subjects at specific bounding box regions
  • Skeleton conditioning — OpenPose-based pose control for try-on and character workflows
  • Updated editing scheduler — improved Dev editing behaviour

Dev vs Full — Key Differences

Full ModelDev-2604 (this repo)
Parameters9B9B
Inference Steps5028
Guidance Scale (CFG)5.00.0 (disabled)
Shift3.01.0
SchedulerFlowUniPCMultistepSchedulerFlashFlowMatchEulerDiscreteScheduler
SpeedSlower, more detail~2× faster

CFG is disabled in Dev mode — negative prompts have no effect.


VRAM Requirements

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

Quick Start — ComfyUI

1. Install the Custom Node

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

Or search for HiDream O1 in ComfyUI Manager.

Suggested transformers version: 4.57.1 – 5.3 (newer versions may break compatibility).

2. Download the Weights

Download the entire model folder (all files, not just the safetensors) and place it in ComfyUI/models/diffusion_models/:

huggingface-cli download drbaph/HiDream-O1-Image-Dev-2604-BF16 \
    --local-dir ComfyUI/models/diffusion_models/HiDream-O1-Image-Dev-2604-bf16

The folder must contain the full Hugging Face support files alongside the weights: config.json, chat_template.json, generation_config.json, preprocessor_config.json, tokenizer.json, tokenizer_config.json, vocab.json, merges.txt, model.safetensors

3. Load in ComfyUI

Use the workflow provided in the custom node repository. The loader will detect dev in the folder name and automatically apply Dev settings (28 steps, no CFG, Euler scheduler). Point the model loader to HiDream-O1-Image-Dev-2604-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 (full model recommended)
  • Subject-driven personalization with layout and skeleton conditioning
  • Long-text and multilingual text rendering

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, layout, skeleton, storyboard
  • ⚡ 28-Step Distilled Dev — ~2× faster than the full model
  • 🖼️ Native High Resolution — direct synthesis up to 2,048 × 2,048
  • 🧍 Skeleton & Layout Conditioning — OpenPose control and bounding-box subject placement

All Model Variants

Full Model

RepoPrecisionVRAMSteps
drbaph/HiDream-O1-Image-BF16BF1617–20 GB50
drbaph/HiDream-O1-Image-FP16FP1617–20 GB50
drbaph/HiDream-O1-Image-FP8FP8 Mixed~10 GB50

Dev Model (original)

RepoPrecisionVRAMSteps
drbaph/HiDream-O1-Image-Dev-BF16BF1617–20 GB28
drbaph/HiDream-O1-Image-Dev-FP16FP1617–20 GB28
drbaph/HiDream-O1-Image-Dev-FP8FP8 Mixed~10 GB28

Dev-2604 Model (updated, this series)

RepoPrecisionVRAMSteps
drbaph/HiDream-O1-Image-Dev-2604-BF16 (this repo)BF1617–20 GB28
drbaph/HiDream-O1-Image-Dev-2604-FP16FP1617–20 GB28
drbaph/HiDream-O1-Image-Dev-2604-FP8FP8 Mixed~10 GB28

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
aa278c1

0 моделей