LLaDA-Image：以完全开放的训练配方构建强大图像生成器

研究人员推出 LLaDA-Image，一个统一框架，将从头训练的 6B 扩散 Transformer 与基于 LLaDA2.0-Mini 扩散语言模型的冻结视觉语言理解模块配对。通过仅图像预训练和中训练建立视觉生成先验，训练管线包含 2.2 亿样本，其中 9800 万为真实图像。模型在 Qwen-Image-Bench 英文和中文赛道分别取得 53.53 和 53.38 的分数，创下开源模型新纪录，并已发布权重、代码和详细配方。

该模型在 Qwen-Image-Bench 上取得开源模型最佳成绩，且完全公开权重、代码和训练细节，降低了复现门槛，便于开发者在其基础上定制，可能推动图像生成领域的开放研究。

采用仅图像预训练+中训练，减少对配对数据依赖；DiT 内使用无参数 RMSNorm 和 Muon 优化器以提升训练效率；并通过蒸馏得到 Turbo 模型以实现 2-4 步快速推理。

开发者可获得可复现的图像生成模型及训练配方，加速产品原型开发；蒸馏版本支持快速推理，有利于实时应用；开放权重降低集成成本，但需评估硬件需求和许可条款。

• 将 LLaDA-Image 集成到现有图像编辑工具中，支持细粒度指令编辑。
• 基于其训练配方优化自有图像生成管线的数据使用效率。
• 针对中文场景定制微调，提升中文图像生成质量。

• LLaDA-Image 的具体许可协议与商业使用条款。
• 模型推理时的实际计算资源需求与延迟表现。
• 蒸馏版 LLaDA-Image-Turbo 在各类 benchmark 上的量化表现尚未公布。