LLaDA-Image 发布:6B 扩散模型全开源训练配方出写实图像
iScienceLuvr · x · 2026-09-04
LLaDA-Image 是一个统一图像生成框架：6B 参数的 Diffusion Transformer 从零训练，搭配基于 LLaDA2.0-Mini 扩散语言模型主干的冻结视觉-语言理解模块。
关键做法：
- 不依赖大规模图文配对数据起步，而是先通过纯图像预训练与中期训练构建强视觉生成先验
- 生成管线共 220M 样本，98% 为真实图像
- DiT 全程使用无参数 RMSNorm + Muon 优化器，保证高效可扩展优化
- 模型可产出高写实图像并精准执行细粒度编辑指令
团队还蒸馏出 LLaDA-Image-Turbo，支持 2-4 步采样的快速推理。训练配方完全开源。
所属事件:蚂蚁 inclusionAI 开源 6B 统一图像生成编辑模型 LLaDA-Image(5 条相关)→
「多模态」频道最新
- Higgsfield 悬赏 2.5 万美元征集 ComfyUI 创意应用开源重建 — MuziqueComfyUI · 2026-10-21
- AI 生成老妇人肖像照细节逼真，光影质感直逼摄影 — LudovicCreator · 2026-10-21
- 不会画画的作者借 AI 画风，连载出第三话原创漫画 — OriginalMangaStudio · 2026-10-21
- FastH3 Omni 开源：一次生成多参考视频，延迟比基座低 5.6-11.9 倍 — mnmunknown · 2026-10-21
- HeyGen 专业语音克隆：30分钟音频即可克隆到难辨真假 — rohanpaul_ai · 2026-10-21
- Flux 3 Max 登顶物理理解榜：150 万次人类评判选出的第一 — isidentical · 2026-10-21