微软开源 4B 级原生分辨率图像生成编辑模型
pmttyji · reddit · 2026-07-23
微软发布 4B 级 Mage-Flow 图像生成与编辑模型
微软推出 Mage-Flow 家族，主打 文本生成图像 和 指令式图像编辑，核心规模只有 4B，但强调通过 tokenizer、backbone 与系统层共同设计，做到更高效、更容易在现实算力预算下使用。
- 该栈由两个共享组件组成：Mage-VAE 和 NR-MMDiT。
- 支持 512 到 2048 的原生分辨率生成，且可适配任意长宽比，包括 4:1 这类极端比例。
- 微软称其训练侧做了原生分辨率 packing 和 fused CUDA kernel 等优化，把每步训练时间从 约 1.93 秒降到 0.78 秒，约快 2.5 倍。
- 家族同时提供 Base、RL-aligned 和 4-step Turbo 版本，覆盖生成与编辑两条线。
- 在单张 A100、1024² 条件下，Turbo 版生成可达到 0.59 秒/张，编辑为 1.02 秒/次。
配图还展示了模型卡与示例生成图，强调这是一套面向实际推理效率的图像基础模型。
所属事件:微软亚洲开源4B原生分辨率图像模型Mage-Flow(10 条相关)→
「模型」频道最新
- Peter Diamandis 称企业内化模型或重定价顶级实验室估值 — PeterDiamandis · 2026-07-23
- 一张配图直说：多模态重要，但不是智能核心 — zephyr_z9 · 2026-07-23
- 开源模型或已反超 Google 未公开的 Gemini 3.5 Pro — ChrisGPT · 2026-07-23
- ChatGPT Pro 和 Claude Max：重度开发下谁的周产出更高 — Haunting-Stretch8069 · 2026-07-23
- OpenRouter 数据:Gemini 跃居 API 使用量榜首 — PsychicorAI · 2026-07-23
- MiniMax M3 权重用社区许可,不是 MIT 也不是 Apache — SprinklesLeather7515 · 2026-07-23