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 图像模型 Mage-Flow(12 条相关)→
「模型」频道最新
- 同题 Echo Maze 实测:三大模型看似成功,代码里藏着同一个 bug — eyishazyer · 2026-09-11
- 新基准一出分数暴跌 70 点:「刷榜」现象如何让跑分失真 — airesearch12 · 2026-09-11
- ChatGPT 竟劝用户「问题太复杂,去试试更笨的回答」 — phido3000 · 2026-09-11
- 有人要建全模型基准分数汇总页 — airesearch12 · 2026-09-11
- 爆料称 Kimi 疑似转发 Claude 冒充自家成绩，DeepSeek 新模型评测反超 — realsohamparekh · 2026-09-11
- 网友吐槽 GPT-5.6 文笔好读但缺乏记忆点 — BasedRaddka · 2026-09-11