微软 Mage-Flow 把 4B 图像生成做进了交互速度
microsoft · hf · 2026-07-22
微软发布 Mage-Flow，一套面向图像生成与编辑的 4B 级紧凑模型栈，重点不是单点刷榜，而是把训练、微调、部署和推理效率一起做进去了。
核心设计
- Mage-VAE：轻量级潜空间 tokenizer，采用一次式扩散风格编码/解码，并通过 anchor-latent regularization 保持重建质量。
- Native-Resolution Multimodal Diffusion Transformer：用 rectified flow matching 训练，支持原生分辨率与灵活分辨率训练。
- 结合 native-resolution packing 和 CUDA kernel fusion，端到端训练吞吐提升约 2.5 倍。
结果与可用性
- 系列包含 Base / RL-aligned / Turbo 三类版本，分别覆盖生成与编辑。
- Diffusion-NFT 进一步提升了提示词遵循、文字渲染、美学质量和编辑保真度。
- 在单张 NVIDIA A100 上，1024² 分辨率下 Mage-Flow-Turbo 生成一张图只要 0.59 秒，编辑一张图只要 1.02 秒。
这条的重点是：微软在做一个足够小、但又能高分辨率交互使用的图像生成/编辑系统。
所属事件:微软亚洲开源发布 4B 图像模型 Mage-Flow(3 条相关)→
「多模态」频道最新
- SIGGRAPH 2026 将讨论生成式 AI 的 3D、仿真与动画 — qixing_huang · 2026-07-22
- 马斯克为 Grok Imagine 背书，称 AI 视频已具文化分量 — elonmusk · 2026-07-22
- Fable 5 护栏误伤常规任务并自动切到 Opus 4.8 — sumitdotml · 2026-07-22
- 回看三年前，AI 视频生成还相当粗糙 — Confident_Salt_8108 · 2026-07-22
- 开源 Skill 把中文故事做成手绘日记动画 — dotey · 2026-07-22
- DiT 研究发现模板 token 充当语义寄存器并可剪 20% FLOPs — RTP-LLM · 2026-07-22