HunyuanImage-3.0

HunyuanImage-3.0 — это text-to-image модель, работающая в рамках автокорректирующейся (autoregressive) архитектуры, объединяющей обработку текста и изображений. Это самая крупная открытая MoE-модель для генерации изображений, включающая 80 млрд параметров (13 млрд активны на токен). Модель разработана для высокой точности семантики и визуального качества, а также обладает возможностью автоматического уточнения запросов благодаря встроенным рассуждениям (reasoning).

Ключевые особенности:

  • Автокорректирующаяся архитектура: Отказ от DiT-архитектур в пользу интегрированной системы для совместной обработки текста и изображений.
  • MoE-модель с 64 экспертами: Улучшает производительность за счет распределения вычислений.
  • Качество изображений: Стремится к фотореалистичным деталям и точному соответствию запросам, поддерживает генерацию по сложным инструкциям.
  • Рассуждения: Модель автоматически дополняет размытые запросы, используя свои знания, для более полных результатов.
  • Технические требования: NVIDIA с поддержкой CUDA 12.8 (рекомендуется 4×80 ГБ VRAM), 170 ГБ места для весов модели, Python 3.12+, PyTorch 2.7.1.

Дата анонса: 25.09.2025
Параметров: 80B
Экспертов: 64
Активно параметров при инференсе: 13B
Разработчик: Tencent
Версия Transformers: 4.50.0
Версия vLLM: 0.16.0
Лицензия: tencent-hunyuan-community

Публичный эндпоинт

Воспользуйтесь нашими готовыми публичными эндпоинтами бесплатно для теста инференса и знакомства с HunyuanImage-3.0. Получить токен для доступа к API вы можете на странице управления токенами после регистрации и верификации.
Наименование модели Контекст Тип GPU Статус Ссылка
Для данной модели пока нет публичных эндпоинтов.

Частный сервер

Арендуйте собственный физически выделенный инстанс с почасовой оплатой или на длительный срок с помесячной оплатой.

Мы рекомендуем создание частных инстансов в случаях, если необходимо:

  • получить максимальную производительность эндпоинта,
  • получить полный контекст для обработки больших запросов и диалогов,
  • обеспечить максимальную безопасность, для обработки данных в выделенном изолированном пространстве,
  • использовать кастомизированные веса: fine-tuned версии или lora-адаптеры.

Рекомендуемые конфигурации сервера для хостинга HunyuanImage-3.0

Цены:
Наименование GPU Цена, час TPS Параллельность (макс.)
teslat4-4.16.64.160 4 85,77 ₽ 1,00 Запустить
teslaa2-4.32.128.160 4 112,24 ₽ 1,00 Запустить
teslaa10-3.16.96.160 3 119,81 ₽ 1,00 Запустить
rtx3090-2.16.64.160 2 139,77 ₽ 1,00 Запустить
rtx4090-2.16.64.160 2 171,77 ₽ 1,00 Запустить
rtxa5000-4.16.128.160.nvlink 4 209,04 ₽ 1,00 Запустить
teslaa100-1.16.64.160 1 211,77 ₽ 1,00 Запустить
rtx5090-2.16.64.160 2 261,77 ₽ 1,00 Запустить
h100-1.16.64.160 1 341,77 ₽ 1,00 Запустить
h100nvl-1.16.96.160 1 367,41 ₽ 1,00 Запустить
teslaa100-2.24.96.160.nvlink 2 411,81 ₽ 1,00 Запустить
h200-1.16.128.160 1 423,04 ₽ 1,00 Запустить
h200-2.24.256.160.nvlink 2 839,97 ₽ 1,00 Запустить
Цены:
Наименование GPU Цена, час TPS Параллельность (макс.)
rtx3090-4.16.96.320 4 264,96 ₽ 1,00 Запустить
rtx4090-4.16.96.320 4 328,96 ₽ 1,00 Запустить
h100nvl-1.16.96.240 1 368,18 ₽ 1,00 Запустить
rtx5090-3.16.96.240 3 388,18 ₽ 1,00 Запустить
h200-1.16.128.240 1 423,81 ₽ 1,00 Запустить
teslaa100-2.24.256.240 2 440,74 ₽ 1,00 Запустить
teslaa100-2.24.256.320.nvlink 2 441,52 ₽ 1,00 Запустить
h100-2.24.256.240 2 700,74 ₽ 1,00 Запустить
h200-2.24.256.240.nvlink 2 840,74 ₽ 1,00 Запустить
Цены:
Наименование GPU Цена, час TPS Параллельность (макс.)
teslaa100-3.32.384.320 3 658,44 ₽ 1,00 Запустить
rtx4090-8.44.256.480 8 674,08 ₽ 1,00 Запустить
h100nvl-2.24.192.480 2 731,81 ₽ 1,00 Запустить
rtx5090-6.44.256.480 6 794,08 ₽ 1,00 Запустить
h200-2.24.256.320 2 841,52 ₽ 1,00 Запустить
h200-2.24.256.320.nvlink 2 841,52 ₽ 1,00 Запустить
teslaa100-4.32.384.320.nvlink 4 848,44 ₽ 1,00 Запустить
h100-3.32.384.320 3 1 048,44 ₽ 1,00 Запустить

Связанные модели

HunyuanImage-3.0-Instruct

Остались вопросы?

Свяжитесь с нашей специализированной группой поддержки по нейросетям nn@immers.cloud или отправьте ваш запрос в отдел продаж sale@immers.cloud.