Luma AI 发布 Abra 论文：扩散模型缩放定律需 LLM 十倍数据量
iScienceLuvr · x · 2026-08-19
Luma AI 发布了关于文本生成图像扩散模型的系统性缩放定律研究 Abra。研究使用跨越三个数量级算力 (10^19 到 10^22 FLOPs) 的 flow-matching transformers 家族进行训练。
主要结论：
- 扩散模型的缩放预测性与语言模型 (LLM) 一样强。
- 但扩散模型需要多得多的数据才能达到最优训练。
- 计算最优性 约在每个参数 200 个图像 token，这比 LLM 的 Chinchilla 最优处方高出 10 倍。
所属事件:Luma AI 发布文生图扩散模型缩放定律研究(3 条相关)→
「多模态」频道最新
- 开源 Minimax 模板在 Ocean Network 打造水下品牌故事 — w1kke · 2026-10-16
- 社区推测 Flux 3 Klein 5.6b 为旧 4b 升级版，或预示 10b 模型将至 — cradledust · 2026-10-16
- Higgsfield 爽约开源后，Comfy 悬赏 2.5 万美元征集开源复刻 — crystal_alpine · 2026-10-16
- HyperFrames 推出 Reference Any Video:AI 视频可参考任意风格并自动套用品牌套件 — Aiden_Tech_Ai · 2026-10-16
- 作者实测：T=16 流模型单次推理 16 帧，改善运动连续性 — pixlpa · 2026-10-16
- 「AI 不会创作」之争:博主 3 分钟花 4 美元产出绘画教程反呛艺术家 — flowersslop · 2026-10-16