HiDream-O1-Image — FP8 混合精度（ComfyUI）

这是 HiDream-O1-Image 的FP8 混合精度量化版本，适用于ComfyUI。通过量化为 8 位浮点数，该模型可轻松适配约 10 GB 的显存，使得 12 GB 显存的 GPU（如 RTX 3080/4070/4080 等）能够运行，且质量损失极小。

自定义 ComfyUI 节点： Saganaki22/HiDream_O1-ComfyUI

显存要求

对于显存小于 16 GB 的 GPU，推荐使用此版本。已在 12 GB 显存的显卡上测试过 2048 × 2048 分辨率。

什么是 FP8 混合精度？ 权重以 float8_e4m3fn 格式存储。敏感层（如归一化层、嵌入层、输出头）保留更高精度以确保稳定性，因此称为“混合精度”。在具备 Hopper 或 Ada Lovelace 架构的 CUDA 显卡（RTX 40xx 系列、H100）上，FP8 计算可利用硬件加速。在较旧的 GPU 上，权重会动态反量化，虽然仍能节省显存，但会有小幅速度损失。

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
pip install -r HiDream_O1-ComfyUI/requirements.txt

也可以通过 ComfyUI Manager 进行安装，搜索 HiDream O1 即可。

2. 下载权重

huggingface-cli download drbaph/HiDream-O1-Image-FP8 \
    --local-dir ComfyUI/models/diffusion_models/HiDream-O1-Image-fp8

3. 在 ComfyUI 中加载

打开 ComfyUI 并使用自定义节点仓库中提供的工作流。将模型加载器指向 HiDream-O1-Image-fp8。

关于 HiDream-O1-Image

HiDream-O1-Image 是一款原生统一的图像生成基础模型，它构建于像素级统一Transformer（UiT） 之上——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 2,048 × 2,048
• 基于指令的图像编辑
• 主体驱动的个性化（多参考 IP）
• 长文本和多语言文本渲染

仅需 90 亿参数，它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）中首次亮相便获得第 8 名。

主要特性

• 🧬 像素级统一 Transformer — 基于原始像素端到端处理，无 VAE，无分离文本编码器
• 🎨 一模型，多任务 — 文本到图像生成、编辑、个性化、故事板生成
• 🧠 推理驱动的提示代理 — 内置“思考”代理，在生成前解决布局和渲染问题
• 🖼️ 原生高分辨率 — 直接合成高达 2,048 × 2,048 的图像
• ⚡ 90 亿参数 — 性能与规模大得多的模型相当
• 💾 FP8 量化 — 显存占用约为全精度版本的一半，质量损失极小

模型变体

基准测试结果（来自原始模型）

GenEval（组合生成）——在90亿参数规模下，HiDream-O1-Image的总体得分为0.90，仅次于2000亿参数以上的Pro变体，并领先于GPT Image 2（0.89）。

DPG-Bench（密集提示对齐）——总体得分89.83，排名第二，仅次于Pro变体。

HPSv3（人类偏好）——总体得分10.37，性能优于GPT Image 2（10.21）和Nano Banana 2.0（10.01）。

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 Space