Microsoftは、効率的なテキストから画像への生成および指示ベースの画像編集のために設計されたコンパクトな4Bスケールの生成スタックであるMage-Flowをリリースした。このシステムは、軽量トークナイザーMage-VAEとネイティブ解像度マルチモーダル拡散トランスフォーマー（NR-MMDiT）の共同設計により、最先端に匹敵する品質を実現している。

  • Mage-Flowは、Qwen-Image 20BやFLUX.2 32Bのようなより大きなオープンシステムと同等かそれ以上の性能を発揮しながら、大幅に少ないパラメータ数で動作する。
  • 共有スタックは、極端な4:1フォーマットを含むあらゆるアスペクト比で512から2048ピクセルまでのネイティブ解像度生成をサポートする。
  • Mage-VAEは、FLUX.2-VAEと比較して、ピクセルあたりのエンコード/デコードMACをそれぞれ約12倍と約22倍削減した。
  • 融合されたCUDAカーネルとネイティブ解像度のパックにより、トレーニング時間が約1.93秒から約0.78秒に短縮され、2.5倍の高速化を実現した。
  • リリースには、生成（Mage-Flow）と編集（Mage-Flow-Edit）の両方に対して、Base、RL整列済み、および4ステップTurboバリアントが含まれる。
  • 1024²解像度の単一A100において、Mage-Flow-Turboは約18–20 GBのピークメモリ使用量で0.59秒/画像のレイテンシを達成した。

このアーキテクチャは、VAEを高解像度のボトルネックから除去し、現実的な計算予算内で生成および編集タスクの両方に対してインタラクティブなレイテンシを可能にする。