Microsoft выпустила Mage-Flow, компактный генеративный стек на 4B параметров, предназначенный для эффективной генерации изображений по тексту и редактирования изображений по инструкциям. Система достигает качества, сопоставимого с передовыми решениями, благодаря совместному проектированию легковесного токенизатора Mage-VAE и Native-Resolution Multimodal Diffusion Transformer (NR-MMDiT).
- Mage-Flow соответствует или превосходит более крупные открытые системы, такие как Qwen-Image 20B и FLUX.2 32B, используя значительно меньше параметров.
- Общий стек поддерживает генерацию в нативном разрешении от 512 до 2048 пикселей при любом соотношении сторон, включая экстремальные форматы 4:1.
- Mage-VAE снижает количество MAC на пиксель при кодировании/декодировании примерно в 12 раз и 22 раза соответственно по сравнению с FLUX.2-VAE.
- Объединенные CUDA-ядра и упаковка нативного разрешения сократили время обучения с ~1,93 с до ~0,78 с, что дает ускорение в 2,5 раза.
- В релиз входят версии Base, RL-aligned и 4-step Turbo как для генерации (Mage-Flow), так и для редактирования (Mage-Flow-Edit).
- На одном A100 при разрешении 1024² Mage-Flow-Turbo обеспечивает задержку 0,59 с/изображение при пиковом потреблении памяти ~18–20 ГБ.
Архитектура устраняет VAE как узкое место для высокого разрешения и обеспечивает интерактивную задержку как для задач генерации, так и редактирования в рамках реалистичных вычислительных бюджетов.