/ Модель

Характеристики

Контекст
262 144 токена
Лицензия
MIT
Архитектура
qwen3_vl · dense
Базовая модель
HiDream-O1-Image-Dev
Библиотека
mlx
Опубликована
10 мая 2026

HiDream-O1-Image-Dev-mlx-q8

Генерация изображенийТекст → изображение3 профессии

Квантизированная до Q8 версия HiDream-O1-Image-Dev для локальной генерации квадратных изображений по тексту на Apple Silicon.

116скачиваний за 30 дней2лайкавеса обновлены11 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-mlx-q8 — портированная Mrbizarro для mlx-community 8-битная версия модели HiDream-O1-Image-Dev для генерации изображений по тексту на компьютерах Apple Silicon. В основе лежит архитектура Qwen3-VL; веса основной части модели квантизированы до Q8 с размером группы 64, а дополнительные diffusion-головы сохранены в BF16. Репозиторий содержит веса и конфигурации, а скрипты инференса находятся в отдельном репозитории BF16.

Модель предназначена для локальной генерации изображений, особенно квадратных изображений размером 1024×1024 и 2048×2048. В описанных конфигурациях пиковое потребление памяти составляет около 11,5 ГБ. Для неквадратных размеров README отмечает видимую сетку патчей размером 32 пикселя в ровных областях; редактирование изображений для этой версии не рекомендуется. Модель распространяется по лицензии MIT.

Сценарии применения

  • генерация изображений 1024×1024 по текстовому описанию
  • генерация изображений 2048×2048 по текстовому описанию
  • локальное создание изображений на компьютерах Apple Silicon
  • генерация изображений с предсказуемым ограничением потребления памяти

Ограничения

На неквадратных разрешениях в ровных областях может проявляться сетка патчей размером 32 пикселя. Версия предназначена для генерации по тексту; редактирование изображений для неё не рекомендуется.

Для каких профессий подходит3

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 — MLX Q8 (Apple Silicon)

Ported by Mrbizarro · MIT licensed · published to mlx-community

🎛️ Run it one-click in Phosphene

Phosphene is a free local generative-video panel for Apple Silicon. HiDream is wired into its Image Studio. Install Pinokio, then in Pinokio install Phosphene. Note: Phosphene's HiDream integration uses BF16 by default since edit requires BF16 — this Q8 repo is for text-to-image-only workflows that want a deterministic memory upper bound.


An 8-bit quantized MLX port of HiDream-ai/HiDream-O1-Image-Dev.

⚠ Q8 does NOT support edit / multi-ref. Per-group dequantization noise compounds against reference-image features in attention and produces degenerate output. For edit / multi-reference workflows use the BF16 sibling repo instead.

Sibling repos

  • 🟢 BF16 (full precision) — 17.5 GB, ~16 GB RAM, clean across all dimensions. Use this when in doubt.
  • 🟡 Q6 — 8 GB, ~8.5 GB RAM, fastest. Same artifact behaviour as Q8.
  • 🟡 Q8 (this repo) — 10 GB, ~11.5 GB RAM, balanced. Best at square 2048×2048 or 1024×1024. Visible 32-pixel patch grid in flat regions at non-square dims.

When to use Q8

  • ✅ Square 1024×1024 or 2048×2048 — clean output, less RAM than BF16
  • ✅ When you want a deterministic memory upper bound (Q8 doesn't depend on activation distribution)
  • ❌ Non-square dims (1440×2560, 3104×1312, etc) — visible 32-pixel patch grid in skies, walls, water → use BF16
  • ⚠ Q8 is not faster than Q6 here — both are bandwidth-bound on this hardware. Pick Q8 only if you need its slightly tighter quality margin at square dims.

What's in this repo

  • model.safetensors — Q8 quantized backbone (10 GB)
  • extras/custom_heads.safetensors — diffusion-side heads (75 MB, BF16)
  • config.json (with quantization: {bits: 8, group_size: 64} so mlx-vlm wraps Linear → QuantizedLinear correctly)
  • Tokenizer + processor configs

Code

Inference scripts are in the BF16 sibling repo under scripts/hidream_o1/. Clone that for code, this for weights only.

Quick start

# Get the code from the BF16 sibling
hf download mlx-community/HiDream-O1-Image-Dev-mlx-bf16 --local-dir hidream-o1-mlx \
  --include "scripts/*" --include "*.md" --include "*.txt" --include "*.gitattributes"
cd hidream-o1-mlx
uv venv --python 3.11 && uv pip install -r requirements.txt

# Get the Q8 weights
hf download mlx-community/HiDream-O1-Image-Dev-mlx-q8 --local-dir mlx_models/hidream-o1-dev-q8

# Run (square dims only for clean output)
.venv/bin/python scripts/hidream_o1/generate_hidream_o1_mlx.py \
  --model-path mlx_models/hidream-o1-dev-q8 \
  --prompt "your prompt here" \
  --width 2048 --height 2048 \
  --output out.png

Performance

ResolutionPer stepTotal (28 steps)Peak RAMQuality
1024×10242.36 s67 s11.5 GB✅ clean
2048×20486.68 s187 s11.5 GB✅ clean
1440×2560 (non-square)~4.5 s~127 s~10 GB⚠ patch grid visible

License

MIT — see the BF16 repo for the full LICENSE file and acknowledgements.

Как запустить

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

GPU в ailist

Универсальный рантайм · mlx

Нельзя запустить

MLX-модели работают только на Apple Silicon.

Класс архитектуры
Qwen3VLForConditionalGeneration
Ревизия весов
aa8261c

0 моделей