AI Toolkit 作者单卡 24 小时训出 AR+扩散混合图像模型

AI Toolkit 作者 ostrisai 仿照 YuE2 思路，利用周末在单张 RTX 6000 Pro 上训练约 24 小时，搭建了自回归/扩散混合图像模型：以 Qwen3-VL-4B 作为 LLM 为整张图生成 code，再由冻结的 BFL Klein 4B 扩散解码器还原成图像。他随后公布了使用 AI Toolkit 默认 prompt 生成的首批样张，模型已能按 prompt 出图，并展示了先生成整图 code 再解码的实时生成过程视频。

2026-09-20 ~ 2026-09-20 · 4 条相关

• AI Toolkit 作者周末实验：单卡 24 小时训出 AR+扩散混合图像模型 — ostrisai · 2026-09-20
• Qwen3-VL-4B 已能按 prompt 出图：ostrisai 混合图像模型首批样张公布 — ostrisai · 2026-09-20
• 单卡 RTX 6000 Pro 训 24 小时：AR+扩散混合图像模型进展曝光 — ostrisai · 2026-09-20
• ostrisai 展示混合图像模型实时生成：先生成整图 code 再解码 — ostrisai · 2026-09-20