Qwen3-VL-4B 已能按 prompt 出图：ostrisai 混合图像模型首批样张公布
ostrisai · x · 2026-09-20
ostrisai 公布其 AR/扩散混合图像模型（Qwen3-VL-4B 自回归 + 冻结 BFL Klein 4B 扩散解码器）使用 AI Toolkit 默认 prompt 生成的首批样张，显示 AR 模型已明显理解如何根据 prompt 生成匹配的图像。
所属事件:AI Toolkit 作者单卡 24 小时训出 AR+扩散混合图像模型(4 条相关)→
「多模态」频道最新
- 开源 Kitten-TTS 2 语音克隆：954MB 免 GPU 笔记本可跑 — solyarisoftware · 2026-11-04
- 「2030 年旧金山我们来收你的内存」：全本地硬件生成的赛博朋克短片 — Wonderful-Yak-3348 · 2026-11-04
- 开源视频 agent Openfilm 走红：让任意编码 agent 变视频制作器 — solyarisoftware · 2026-11-04
- 微软重开源 VibeVoice：10 秒克隆声音，本地生 90 分钟播客 — solyarisoftware · 2026-11-04
- H3 远景人脸保真配方：Singularity+Pika 组合免跑 SAM 换脸 — robertwellesley · 2026-11-04
- 复旦提出 FlowTranslator:免训练扩散编辑实现图像内文字翻译 — Fudan-University · 2026-11-04