HunyuanDiT 是腾讯混元 2024 年 5 月开源的文生图扩散 Transformer（论文 arXiv:2405.08748），主干只有 1.5B 参数，却是第一批把中文语义吃得很细的开源 DiT——「渔舟唱晚」「青花瓷风格」这类词它不需要先翻译成英文再画。仓库现在挂在 github.com/Tencent-Hunyuan/HunyuanDiT，v1.2 是当前主线权重，Diffusers、ComfyUI 都已原生支持。
它省显存和它吃显存，原因是同一个：DiT 主干很轻，但前面挂了两个文本编码器——一个 350M 的双语 CLIP，一个 1.6B 的多语 mT5（t5-v1_1-xxl 系）。VAE 用的是 sdxl-vae-fp16-fix，所以 fp16 直接跑不会出黑图，不用像原版 SDXL 那样折腾 VAE。官方实测 batch=1 出 1024×1024，A100 峰值 11GB，RTX 3090／RTX 4090 峰值 14GB；把 mT5 压到 8-bit 再上 bitsandbytes，6GB 的 Ampere 卡也能跑完整条链路。
得说清楚混元图像线的现状：2025 年 9 月的 HunyuanImage 2.1 是 17B、只出 2K 图（出 1K 会有伪影），FP8 加 CPU offload 才刚好塞进 24GB；同月的 HunyuanImage 3.0 是 80B MoE、13B 激活的自回归统一框架，官方起步就要 3×80GB。HunyuanDiT 没有被废弃，它的位置反而更清楚了——一张消费级卡、约 9GB 权重、中文提示词直出，ControlNet（canny／depth／pose）、LoRA、IP-Adapter 生态齐全，是做中文出图业务最便宜的自托管起点。
01 —
版本与显存对照
以下显存数字全部来自官方仓库 batch=1 的实测表，不是估算。
| 版本 | 参数量 | 显存 | 上下文 | 说明 |
|---|---|---|---|---|
| HunyuanDiT-v1.2 / v1.2-Diffusers | 1.5B（DiT 主干） | fp16 峰值 11GB（A100）／14GB（RTX 3090·4090） | 1024×1024，10 档分辨率桶 | 当前主线权重，中文语义最稳，新项目直接从这个版本起步。 |
| HunyuanDiT-v1.2-Diffusers-Distilled | 1.5B | 同 v1.2，fp16 峰值约 14GB | 25 步 / 1024×1024 | 蒸馏版，支持 25 步出图，官方口径在 NVIDIA GPU 上提速约 50%；另有 TensorRT 版提速约 47%。批量出图首选。 |
| HunyuanDiT-v1.1 | 1.5B | fp16 峰值约 14GB（消费卡） | 1024×1024 | 相对 v1.0 的核心改动是压掉画面过饱和，老 LoRA 生态仍有不少挂在 v1.1 上。 |
| DialogGen + HunyuanDiT（提示词增强全链路） | 7.0B + 1.5B | fp16 峰值 32GB；加 --load-4bit 降到 22GB | 多轮对话改写 → 出图 | DialogGen 是负责把口语提示词改写成精细描述的多模态大模型，不需要就加 --no-enhance，否则显存直接翻三倍。 |
| lite/inference.py 低显存路线 | 1.5B（蒸馏权重） | 约 6GB（bitsandbytes 量化 + mT5 8-bit 加载） | 1024×1024 | 需要 PyTorch 2.7.1 以上，且卡必须是 Ampere 及以上架构（RTX 3070/3080/4080/4090、A100）。 |
02 —
该租哪张卡
按官方峰值显存对号入座，价格是 NexGPU 每卡每小时的公开单价。
单卡 fp16 出图、效果验证、跑 1024×1024
RTX 3090 24GB$0.193/卡·时
官方在 3090/4090 上实测峰值 14GB，24GB 显存留足余量，连量化都不用配，而且 Ampere 架构同时满足 Flash Attention v2 和 6GB lite 路线的硬性要求。
批量出图、挂 ControlNet、开 torch.compile 压延迟
RTX 4090 24GB$0.540/卡·时
Ada 架构 fp16 吞吐显著高于 3090，配蒸馏版 25 步跑量最划算，canny／depth／pose 三个 ControlNet 加载后仍在 24GB 之内。
DialogGen 提示词增强全开，不做 4bit 降级
RTX 5090 32GB$0.723/卡·时
7B 的 DialogGen 与 DiT 同时常驻的官方峰值正好是 32GB，这张卡不用 --load-4bit 就能承住完整的多轮改写链路。
LoRA 微调、全参数微调、ControlNet 训练
A100 PCIE 80GB$0.824/卡·时
官方全参数训练最低 20GB、推荐 30GB 以避免显存 offload；A100 80GB 与 A6000 48GB（$0.817）价差不到一分钱，多出的显存直接换成更大 batch。
03 —
四步跑通
在 NexGPU 的 PyTorch 预置镜像上，从开机到第一张图通常四十分钟以内。
- 01
开卡、拉仓库、装依赖
控制台选一张 RTX 3090 24GB，镜像从 2,000+ 预置镜像里挑 PyTorch（CUDA 12.x）。仓库要求 CUDA 11.7 以上、推荐 12.0 以上、Linux 环境；打算用 --infer-mode fa 走 Flash Attention v2 的话，CUDA 需要 11.6+ 且显卡是 Ampere 及以上。SSH、Jupyter、Web 终端三条路都能进。
git clone https://github.com/Tencent-Hunyuan/HunyuanDiT && cd HunyuanDiT && pip install -r requirements.txt - 02
下权重
t2i/model 目录下 pytorch_model_ema.pt 约 6GB、pytorch_model_module.pt 约 3GB，再加 mT5（1.6B）、双语 CLIP（350M）、sdxl-vae-fp16-fix（83M），整包按 10GB 量级准备磁盘。存储按 $0.414/GB·月 中位价单独计费，权重留在卷里比每次重新下载划算得多。
huggingface-cli download Tencent-Hunyuan/HunyuanDiT-v1.2 --local-dir ./ckpts - 03
出第一张图
--no-enhance 是这一步的关键：不加它会连带加载 7B 的 DialogGen，显存峰值从 11GB 直接跳到 32GB。--image-size 只在官方那十档分辨率桶里选，随手填一个 1344×768 构图会散。
python sample_t2i.py --infer-mode fa --prompt "渔舟唱晚" --no-enhance --image-size 1280 768 - 04
接进业务：Diffusers 或 Gradio
要做服务化就直接用 diffusers 的 HunyuanDiTPipeline，蒸馏版 25 步即可；想先给团队一个可点的界面，跑 python app/hydit_app.py --infer-mode fa 起 Gradio。显存吃紧时加 pipeline.transformer.enable_forward_chunking(chunk_size=1, dim=1) 换时间。
python -c "import torch; from diffusers import HunyuanDiTPipeline; p=HunyuanDiTPipeline.from_pretrained('Tencent-Hunyuan/HunyuanDiT-v1.2-Diffusers-Distilled', torch_dtype=torch.float16).to('cuda'); p('一个宇航员在骑马').images[0].save('out.png')"
一张图到底多少钱
拿官方在 A100 80GB 上的实测当基准：HunyuanDiT-v1.2 默认 50 步出一张 1024×1024，不开 torch.compile 是 20.57 秒，开 max-autotune 编译后 12.47 秒。按 NexGPU A100 PCIE 80GB $0.824/卡·时 折算——未编译 3600÷20.57≈175 张/小时，单张 0.824÷175≈$0.0047；编译后 3600÷12.47≈289 张/小时，单张降到 0.824÷289≈$0.0029。编译本身要花几分钟，跑够两百张就回本。如果只是验证效果，RTX 3090 24GB $0.193/卡·时 更合适：14GB 峰值它装得下，拉镜像 + 下 9GB 权重 + 跑通首图算 40 分钟，0.193×0.67≈$0.13；接着挂 6 小时批量出图也才 0.193×6≈$1.16。要做 LoRA 微调，官方建议 30GB 以上显存，A100 PCIE 80GB 连跑 8 小时是 0.824×8≈$6.59，而仓库自带的青花瓷 rank64 示例是千步量级，通常根本用不满。计费按秒计量、按小时计价，没有起租时长、没有开通费、不用申请配额；实例一停计算就停止计费，只有存储卷会继续按 $0.414/GB·月 计到你销毁为止。
04 —