开源 Iris-3B Turbo 发布:单卡 H100 上 0.7 秒生成 1024px 图像
lmoroney · x · 2026-10-15
Speridlabs 发布开源文生图模型 Iris-3B 的蒸馏版 Turbo,权重已上架 Hugging Face,Apache 2.0 协议,可在浏览器 demo 免费体验。
- 核心数字:单张 H100 上约 0.7 秒生成 1024×1024 图像,固定 4 步(基础模型默认 100 步)。
- 架构特别之处:Iris-3B 是 3B 参数的像素空间扩散 Transformer,直接在像素域工作,跳过 Flux/Qwen-Image/SDXL 等模型依赖的 VAE 解码,避免潜在空间带来的纹理损失;文本编码器用冻结的 Qwen3-VL-4B-Instruct。
- 训练:rectified flow 从 256→512→1024px 逐级训练,共 66.5 万步,后接 SFT;Turbo 用 Trajectory Distribution Matching(TDM)对全部 3B 参数做数据无关蒸馏(非 LoRA),classifier-free guidance 烘焙进权重。
- 同一 backbone 还提供单目深度估计与 4× 超分/修复版本。
所属事件:Speridlabs 开源 Iris-3B Turbo：H100 上 0.7 秒生成 1024px 图像(2 条相关)→
「多模态」频道最新
- Reverie 推出 Intercut Clips,解决 AI 视频双人对话连续性难题 — lmoroney · 2026-10-15
- Midjourney 风格码产出闪粉质感宝可梦三御三家插画 — sergeantsref · 2026-10-15
- TRELLIS.2 图生 3D 完整 1536 分辨率跑进 16GB 显存 — over-yonder-tech · 2026-10-15
- OpenSpline 开源：5 行代码给语音 Agent 加实时说话头像 — Mikasa0xdev · 2026-10-15
- 三个月全靠 Claude 训 DiT 模型全失败,Reddit 网友哀嚎求救 — Old_Manufacturer7905 · 2026-10-15
- FastH3-Omni 发布：实时预可视化工作室开源，仅凭参考图与提示词生成 — Scobleizer · 2026-10-15