仅 5000 欧训练出 <300M 参数图像模型,号称同级 SoTA 达 SD1.5 水平
incorporo · reddit · 2026-09-29
Logolabs 团队在 Reddit 发布 Agate-003-preview:一个参数量不足 300M(含文本编码器与 VAE)的图像生成模型,宣称以少 3 倍的参数达到 SD 1.5 级别的性能,且训练全流程(含 R&D)成本仅约 5000 欧元、630 个 GH-200 GPU 小时,其中主体训练仅 319 GPU 小时。
关键技术路线:
- 规划器+渲染器架构:transformer 规划器在低分辨率上规划并对文本 token 做交叉注意力,再交给全卷积的「渲染器」出图,后者具备很强的图像先验
- 加权损失:基于 P-Dino/LPIPS 与显著性检测加权,优先人脸/文字等视觉重点区域
版本演进:Agate-001 → 002(256×256) → 003(原生 512×512,通过学习式上/下采样器保持规划分辨率不变)。模型支持 LoRA 微调,小体量下训练门槛很低;团队计划将其用于 Logolabs 的字体/符号生成。资源:HF 模型页、WebGPU 在线体验(含 thinker preview)、ComfyUI 节点均已开放。
所属事件:Logolabs 发布超小型文生图模型 Agate,260M 参数比肩 SD1.5(2 条相关)→
「多模态」频道最新
- Qwen 图像 2.1 与 Minimax H3 实测:老照片修复与写实化转换 — Ant_6431 · 2026-11-16
- Minimax H3 视频生成演示:Cubee 店面镜头第二版 — JahJedi · 2026-11-16
- 不会画画的开发者用 Fable 5.2 四小时做出 14 章手绘风故事书游戏 — jradoff · 2026-11-16
- Minimax H3 Image 训练人物 LoRA 相似度差,同数据集在 Qwen 2.1 上表现优异 — Ad_Organic · 2026-11-16
- Seedance 生成地铁车厢动画片段,光影细节惊到 Reddit 网友 — Ok-Solution-7889 · 2026-11-16
- 推主用 AI 重制 1977 版《黑衣人》风格画面 — techhalla · 2026-11-16