Z-Image | Decoupled-DMD把AI图像生成从 50 步压进 8 步【免费下载链接】Z-Image项目地址: https://gitcode.com/gh_mirrors/zi/Z-ImageZ-Image 是一个 6B 参数的 AI 图像生成模型家族其 Z-Image-Turbo 仅用 8 步函数求值即可输出高质量图像。支撑这一表现的核心算法是 Decoupled-DMD解耦分布匹配蒸馏。传统扩散模型推理需要 50 步以上如今整个流程被压进 8 步H800 上的推理延迟进入亚秒级。这意味着 AI 绘图的部署成本被重新定价——少步图像生成从研究课题变成了工程标配。⏱️ DMD蒸馏加速为什么传统 DMD 卡在 50 步DMD 蒸馏的难点在于两股力量要同时拉扯只追求速度少步训练的学生模型会偏离数据分布产出模糊、重复的图只追求质量步数又会被拉回原位。以往的工作把 DMD 损失当成一个不可分割的整体每次调整训练策略都像是在黑箱里试错——这正是扩散模型加速在质量与步数上长期无法兼得的原因。Decoupled-DMD 先把 DMD 梯度拆解成两个相互独立的项拆解后的结论颠覆了直觉CACFG增强蒸馏真正的动力源。教师模型的 classifier-free guidance 产生一个校正项正是它推着学生模型又快又准地学此前的研究系统性忽略了这个因素。DM分布匹配更像盾牌而非引擎。它不承担主要提速任务而是把生成分布牢牢钉在真实数据分布附近防止少步推理时学生模型跑偏。解耦之后两个机制可以分别度量、分别调权、分别优化。矛负责穿透盾负责稳住8步生成的质量就来自这里。图传统 DMD 视角a与 Decoupled-DMD 视角b的对照同一蒸馏梯度被拆解为 CA 与 DM 两个独立项️ 支撑 8 步生成的架构底座蒸馏不只是算法问题学生网络本身也必须好学且稳定。Z-Image 采用单流 DiTS3-DiT架构每个设计选择都对应一个具体痛点单流注意力文本、视觉语义 token 与图像 VAE token 直接拼成一条序列省掉双流之间的信息交接损耗与参数冗余6B 参数即可支撑高分辨率生成。零初始化门控新增分支的输出初始为零未训练的权重不会扰动主干——这是少步蒸馏训练一开始就不发散的前提。U-RoPE 位置编码把文本、时间步与图像网格的时空坐标统一进旋转位置信息让模型在长序列中也能精确定位局部细节。RMS 归一化平滑梯度流、减少需要调的超参使蒸馏与后续强化学习都更稳。图Z-Image 的 Single-Stream DiTS3-DiT架构文本、图像与时间步条件进入同一注意力与 FFN 堆栈 五阶段训练流水线少步图像生成如何炼成从基础模型到 Turbo能力沿流水线逐级叠加低分辨率预训练以低成本先建立基础视觉先验与特征提取能力。全量预训练放大到高分辨率与全量数据打下多模态生成与编辑的底座产出 Z-Image-Omni-Base。监督微调注入美学、指令跟随与中英双语文本渲染能力产出 50 步的基础版 Z-Image。少步蒸馏应用 Decoupled-DMD把 50 步流程压缩到 8 步。强化学习结合人类反馈打磨语义对齐与美学表现得到 Z-Image-Turbo。图Z-Image 的五阶段训练流水线各模型版本对应流水线上的不同阶段产出 DMDR蒸馏与强化学习的下一步快的问题解决后好的问题自然浮出。DMDR 把强化学习与 DMD 直接融合进少步模型的后训练阶段实验证实两者存在双向协同RL 解锁 DMD 的上限DMD 反过来正则化 RL 的奖励漂移。在此基础上Z-Image-Turbo 沿四个维度再上一个台阶语义对齐更贴合提示词的意图与世界知识层面而非只做表面描述匹配。美学质量构图与质感表现提升观感更接近专业摄影。结构一致性元素间关系与解剖结构更合理少出现错位。高频细节纹理细节更丰富且不引入奖励黑客式的伪影。这给 AI 绘图效率优化提供了一条可复用的路径先把蒸馏机制解耦、分别优化再接入人类偏好目标。速度与质量不再是同一条权衡曲线上的取舍。本地体验可运行git clone https://gitcode.com/gh_mirrors/zi/Z-Image装好依赖跑通推理脚本即可上手 8 步生成。随着蒸馏与强化学习技术的持续融合高质量图像生成的步数还会继续下探AI 绘图的落地门槛也将同步降低。【免费下载链接】Z-Image项目地址: https://gitcode.com/gh_mirrors/zi/Z-Image创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考