माइक्रोसॉफ्ट ने Mage-Flow जारी किया है, जो कुशल टेक्स्ट-टू-इमेज जनरेशन और निर्देश-आधारित इमेज एडिटिंग के लिए डिज़ाइन किया गया एक कॉम्पैक्ट 4B-स्केल जेनेरेटिव स्टैक है। इस सिस्टम ने लाइटवेट टोकनाइजर, Mage-VAE, और नेटिव-रेज़ोल्यूशन मल्टीमोडल डिफ्यूजन ट्रान्सफॉर्मर (NR-MMDiT) के सह-डिज़ाइन के माध्यम से स्टेट-ऑफ़-द-आर्ट-कम्पिटिटिव गुणवत्ता हासिल की है।
- Mage-Flow ने कम पैरामीटर का उपयोग करते हुए Qwen-Image 20B और FLUX.2 32B जैसे बड़े ओपन सिस्टम के बराबर या बेहतर प्रदर्शन दिखाया है।
- शेयर्ड स्टैक किसी भी एस्पेक्ट रेशियो पर, अत्यंत 4:1 फॉर्मेट सहित, 512 से 2048 पिक्सेल तक नेटिव रेज़ोल्यूशन जनरेशन का समर्थन करता है।
- FLUX.2-VAE की तुलना में Mage-VAE ने प्रति पिक्सेल एन्कोड/डीकोड MACs को क्रमशः ~12x और ~22x कम कर दिया है।
- फ्यूज्ड CUDA kernels और नेटिव-रेज़ोल्यूशन पैकिंग ने ट्रेनिंग समय को ~1.93 s से ~0.78 s तक कम किया, जो 2.5x की स्पीडअप है।
- जनरेशन (Mage-Flow) और एडिटिंग (Mage-Flow-Edit) दोनों के लिए बेस, RL-अलाइंड, और 4-स्टेप टर्बो वेरिएंट जारी किए गए हैं।
- 1024² रेज़ोल्यूशन पर एकल A100 पर, Mage-Flow-Turbo ने ~18–20 GB पीक मेमोरी के साथ 0.59 s/इमेज लेटेंसी हासिल की।
आर्किटेक्चर ने उच्च रेज़ोल्यूशन बॉटलनेक के रूप में VAE को हटा दिया है और रियलिस्टिक कंप्यूट बजट के भीतर जनरेशन और एडिटिंग दोनों कार्यों के लिए इंटरैक्टिव लेटेंसी सक्षम किया है।