开源 Iris-Z 首次让图像生成与深度估计共用一个骨干，9B/32B 全开放
victormustar · x · 2026-11-12
Speridlabs 发布 Iris-Z，号称首个将外观与几何统一在一个模型中的通用图像模型：一组权重即可完成图像+深度联合生成、图→深度、深度→图，无深度头、无第二网络。
- 架构：基于预训练文生图 diffusion transformer，深度以归一化对数射线距离编码为图像，放进同一 token 序列，去噪每步相互条件化
- 规格：9B / 32B 两种规模，权重、代码、Demo 全部 Apache 2.0 开源
- 成绩：32B 版在 MoGe-3 基准集均值 AbsRel 3.56 优于 MoGe-3 的 3.70，在 Marigold 数据集上 2.92 优于 MoGe-3 的 3.12；但单图 512² 推理需 15 秒（MoGe-3 仅 0.4 秒），专用模型仍便宜得多
「模型」频道最新
- 资深研究者抱怨 Claude 安全拦截过严:基础生化工作也触发回退 — rbhar90 · 2026-11-12
- Hugging Face 三大消融团队放量大批 Qwen 无审查模型,按显存对号入座 — udmrzn · 2026-11-12
- a16z 合伙人 Casado 力挺:谷歌 Carbon 写代码「真的很强」 — xennygrimmato_ · 2026-11-12
- OpenRouter 上线 Extractions API:描述字段即从文本/图片/PDF 抽取结构化 JSON — michellechen · 2026-11-12
- 盘点 Google 繁忙之秋：Gemini 4 Argon 发布并引入 OpenAI 模型 — samcharrington · 2026-11-12
- Google Cloud 集齐 Gemini、Claude、GPT 三家模型 — samcharrington · 2026-11-12