模型介绍
中文整理Mage-Flow 高效原生分辨率图像生成与编辑基础模型
模型用途
Mage-Flow 是一个紧凑的 40 亿参数生成模型，用于高效的文生图（text-to-image）生成和基于指令的图像编辑。
主要能力
该模型通过精心设计的 tokenizer、骨干网络和系统协同设计，在保持快速、内存占用低、易于微调的同时，达到了与更大模型相当的生成质量。
核心组件包括：Mage-VAE（轻量级高保真潜在空间 tokenizer）和 NR-MMDiT（40 亿参数的原生分辨率多模态扩散 Transformer）。
支持从 512 到 2048 的原生分辨率生成，涵盖任意宽高比，包括极端的 4:1 比例（如 512×2048、2048×512）。
提供三种变体：Base（30 步）、RL-aligned（20 步）和 4-step Turbo（4 步）。
在 1024×1024 分辨率下，单卡 A100 上 Turbo 版本推理速度约为 0.59 秒/图，编辑速度约为 1.02 秒/编辑，峰值显存约 18-20GB。
支持语义内容编辑、外观变换、图像修复和结构感知输出等多种编辑任务。
输入输出
文生图输入：文本提示（prompts）、负提示（neg prompts）、随机种子（seeds）、输出尺寸（height/width）
图像编辑输入：文本提示、参考图像（ref images）
输出：PIL.Image 格式的图像列表
运行要求
Python 环境
PyTorch（推荐 2.13.0 及以上版本，需匹配 CUDA 工具包版本）
flash-attn（需单独安装，关闭 build isolation 模式编译）
CUDA 支持（cu13x 或 cu126/cu129/cu130，具体取决于 nvcc 版本）
GPU 显存：约 18-20GB
基本用法
Python API
文生图：pipe.generate(prompts, **kw)
图像编辑：pipe.edit(prompts, ref_images, **kw)
主要参数说明：
prompts：字符串或字符串列表
steps：去噪步数（Base 默认 30，RL 默认 20，Turbo 默认 4）
cfg：无分类器引导比例（Turbo 建议设为 1.0）
height/width：输出尺寸，需为 16 的倍数，支持 512-2048
seed：随机种子，-1 表示随机
CLI 命令
mage-flow：文生图
mage-flow-edit：图像编辑
mage-flow-app：Gradio 网页界面
许可证
模型卡片中未明确标注许可证信息。
优先采用原作者提供的中文模型卡片；仅有英文说明时由闲社AI翻译整理。重要参数、许可证和商用范围请以原文为准。
你将获得什么
完整仓库方式包含该固定版本中的权重、配置、分词器及说明文件；指定版本方式只下载所选文件或整组分片。多模态模型的投影文件、配置等依赖，请按作者说明配齐。
完整仓库可能包含多个权重格式，因此需要的磁盘空间可能大于单一格式的模型大小。下载文件不等于完成模型部署。
使用前须知
运行模型需要的设备、工具与依赖，以原作者说明为准。
是否允许商用、修改和分发，请查看模型许可证。
闲社提供资料与镜像下载方法，不代表已运行模型或完成安全审计。下载的代码应先检查，再执行。
资料或下载有问题？
登录后可提交反馈。