Microsoft는 효율적인 텍스트-이미지 생성과 지시 기반 이미지 편집을 위해 설계된 경량 4B 규모 생성 스택인 Mage-Flow를 출시했습니다. 이 시스템은 경량 토크나이저인 Mage-VAE와 네이티브 해상도 멀티모달 디퓨전 트랜스포머(NR-MMDiT)의 공동 설계를 통해 최첨단 경쟁 수준의 품질을 달성합니다.
- Mage-Flow는 훨씬 적은 파라미터를 사용하면서도 Qwen-Image 20B 및 FLUX.2 32B와 같은 더 큰 오픈 시스템과 동등하거나 그 이상의 성능을 보여줍니다.
- 공유 스택은 극단적인 4:1 포맷을 포함한 모든 종횡비에서 512부터 2048 픽셀까지 네이티브 해상도 생성을 지원합니다.
- Mage-VAE는 FLUX.2-VAE 대비 픽셀당 인코딩/디코딩 MACs를 각각 약 12배와 22배 줄입니다.
- 통합 CUDA 커널과 네이티브 해상도 패킹으로 훈련 시간을 약 1.93초에서 약 0.78초로 줄여 2.5배의 속도 향상을 이루었습니다.
- 출시에는 생성(Mage-Flow) 및 편집(Mage-Flow-Edit)을 위한 Base, RL 정렬, 4단계 Turbo 변형이 포함됩니다.
- 단일 A100에서 1024² 해상도로 실행 시 Mage-Flow-Turbo는 약 18–20 GB의 최대 메모리 사용량으로 이미지당 0.59초의 지연 시간을 달성합니다.
이 아키텍처는 VAE를 고해상도 병목 현상으로 제거하고, 현실적인 컴퓨팅 예산 내에서 생성 및 편집 작업 모두에 대한 상호작용형 지연 시간을 가능하게 합니다.