vLLM-Omni 首发 MiniMax-H3-Image RL 训练配方，三重奖励逼近 0.7
vllm_project · x · 2026-11-10
vLLM 项目宣布在 VeRL-omni 中为 MiniMax-H3-Image 提供 Day-0 强化学习支持：
- 用 DiffusionNFT 训练 LoRA，FSDP2 负责训练、vLLM-Omni 负责 rollout，直接跑在模型原生的 6-step 蒸馏采样器上
- 奖励函数为三项相乘：OCR 得分 × 版式守卫 × HPSv2.1 质量门控
- 配图训练曲线显示，64 条 held-out prompt 的验证得分从约 0.44 升至约 0.7（约 50 步）
- 配方已作为 PR 合入 verl-project/verl-omni（recipe/diffusion/fsdp）
配套的 vLLM-Omni 推理栈支持文生图与参考图编辑，含多卡 VAE tiling、CUDA Graph replay 与更快的图像响应路径，适用产品场景图、游戏素材、海报和 UI mockup 等任务。
「多模态」频道最新
- Mustafa Suleyman 发布 MAI-Transcribe-2:号称快 10 倍、每小时音频仅 $0.10 — mustafasuleyman · 2026-11-11
- Carbon 演示全自研:手写 CUDA 路径追踪器加 MuJoCo 物理跑通 60 秒镜头 — fofrAI · 2026-11-11
- Runway 探索实时响应视频:边看边互动的新媒介 — runwayml · 2026-11-11
- MiniMax H3-Image 实测:16 张参考图 10 秒合成一个蒸汽朋克浮空王国 — Hailuo_AI · 2026-11-11
- Fable 5.2 实测评 video:数十条 prompt 其中一条烧掉 2618 美元 — arena · 2026-11-11
- 海螺 AI 发布 H3Image 新图像模型,专攻 CAD 级工业设计爆炸图 — Hailuo_AI · 2026-11-11