HiDream-O1-Image-Dev — FP8 混合精度（ComfyUI）
这是 HiDream-ai/HiDream-O1-Image-Dev 的FP8 混合精度量化版本，后者是 HiDream-O1-Image 的蒸馏变体，适用于ComfyUI。这是最易获取的变体：仅需约 10 GB 显存和28 步推理，使其成为本地运行 HiDream O1 最快的方式。
自定义 ComfyUI 节点： Saganaki22/HiDream_O1-ComfyUI
Dev 版与 Full 版 — 主要区别
| Full 模型 | Dev 模型（本仓库） | |
|---|---|---|
| 推理步数 | 50 | 28 |
| 引导尺度（CFG） | 5.0 | 0.0（已禁用） |
| 偏移量 | 3.0 | 1.0 |
| 调度器 | FlowUniPCMultistepScheduler | FlashFlowMatchEulerDiscreteScheduler |
| 速度 | 较慢，细节更丰富 | 约快 2 倍 |
Dev 模型采用了自定义 Euler 调度器，内置针对较少步数优化的噪声缩放。CFG 已禁用，因此在 Dev 模式下负面提示无效果。
显存要求
| 精度 | 大致显存占用 |
|---|---|
| BF16 | 17 – 20 GB |
| FP16 | 17 – 20 GB |
| FP8 混合精度（本仓库） | 约 10 GB |
对于显存小于 16 GB 的 GPU，推荐使用此变体。结合 Dev 模型的 28 步调度，它是运行 HiDream O1 成本最低的方式——大约比完整 BF16 模型快 2 倍，显存占用减少一半。
什么是 FP8 混合精度？ 权重以
float8_e4m3fn格式存储。敏感层（归一化层、嵌入层、输出头）保留更高精度以确保稳定性。在 RTX 40xx / H100（Hopper/Ada）上，FP8 计算可实现硬件加速。在较旧的 GPU 上，权重会动态反量化——仍能节省显存，但会有小幅速度损失。请勿将config.json中的 dtype 设置为float8_e4m3fn，保持为bfloat16即可——节点会直接从 safetensors 张量中检测 FP8 格式。
快速开始 — ComfyUI
1. 安装自定义节点
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或者在 ComfyUI Manager 中搜索 HiDream O1。
建议的 transformers 版本：4.57.1 – 5.3（较新版本可能会破坏兼容性）。
2. 下载权重
下载整个模型文件夹（所有文件，不仅仅是 safetensors）并将其放置在 ComfyUI/models/diffusion_models/ 中：
huggingface-cli download drbaph/HiDream-O1-Image-Dev-FP8 \
--local-dir ComfyUI/models/diffusion_models/HiDream-O1-Image-Dev-fp8该文件夹必须包含完整的 Hugging Face 支持文件以及权重文件：
config.json、chat_template.json、generation_config.json、preprocessor_config.json、tokenizer.json、tokenizer_config.json、vocab.json、merges.txt、model.safetensors
3. 在 ComfyUI 中加载
使用自定义节点仓库中提供的工作流。加载器会检测文件夹名称中的“dev”并自动应用开发版设置（28 步，无 CFG，Euler 调度器）。将模型加载器指向 HiDream-O1-Image-Dev-fp8。
要在支持的硬件上实现最快推理速度，请在模型加载器节点中将精度设置为 fp8_e4m3fn_fast。
关于 HiDream-O1-Image
HiDream-O1-Image 是一款基于像素级统一 Transformer（UiT） 构建的原生统一图像生成基础模型——无需外部 VAE，无需分离的文本编码器。它在单一共享令牌空间中对原始像素、文本和特定任务条件进行编码，支持：
- 文本到图像生成，分辨率高达 2048 × 2048
- 基于指令的图像编辑
- 主题驱动的个性化（多参考 IP）
- 长文本和多语言文本渲染
仅 90 亿参数，其性能即可媲美甚至超越许多更大规模的开源 DiT 以及领先的闭源模型。它在 “Artificial Analysis 文本到图像竞技场”（2026-05-05）中首次亮相即获得第 8 名。
主要特性
- 🧬 像素级统一 Transformer — 端到端处理原始像素，无需 VAE，无需分离的文本编码器
- 🎨 一模型，多任务 — 支持文本到图像生成、编辑、个性化、故事板生成
- ⚡ 28 步蒸馏开发版 — 比完整模型快约 2 倍，质量损失极小
- 💾 FP8 量化 — 显存占用约为全精度变体的一半
- 🖼️ 原生高分辨率 — 直接合成分辨率高达 2048 × 2048
所有模型变体
完整模型
| 仓库 | 精度 | 显存 | 步数 |
|---|---|---|---|
| drbaph/HiDream-O1-Image-BF16 | BF16 | 17–20 GB | 50 |
| drbaph/HiDream-O1-Image-FP16 | FP16 | 17–20 GB | 50 |
| drbaph/HiDream-O1-Image-FP8 | FP8 混合精度 | ~10 GB | 50 |
开发模型（蒸馏版，速度更快）
| 仓库 | 精度 | 显存 | 步数 |
|---|---|---|---|
| drbaph/HiDream-O1-Image-Dev-BF16 | BF16 | 17–20 GB | 28 |
| drbaph/HiDream-O1-Image-Dev-FP16 | FP16 | 17–20 GB | 28 |
| drbaph/HiDream-O1-Image-Dev-FP8 （本仓库） | FP8 混合精度 | ~10 GB | 28 |
许可证
原始 HiDream-O1-Image 模型及代码基于 MIT 许可证发布。本 FP8 量化版本继承相同许可证。
链接
- 🔗 原始开发模型：HiDream-ai/HiDream-O1-Image-Dev
- 🔗 原始完整模型：HiDream-ai/HiDream-O1-Image
- 🔧 ComfyUI 节点：Saganaki22/HiDream_O1-ComfyUI
- 📑 技术报告：HiDream-O1-Image.pdf
- 🤗 在线演示：HiDream-O1-Image-Dev Space