模型2026-07-11

Boogu-Image 0.1：Base、Turbo、Edit 三份權重的分工與失真風險

模型解剖 / 影像產生與編輯

模型剖析 / 生成與編輯

Boogu-Image 0.1 同時釋出一個基礎生成模型、一個蒸餾加速模型,以及一個單圖編輯器。同一個專案名稱底下,其實涵蓋三段訓練歷程、三種取樣契約,以及三種不同的輸出失效方式。

模型學習的是雜訊與影像潛在表徵之間的速度場。精簡後的訓練目標如下:

L=E[t,x₀,x₁] ||vθ(x_t,t,c) − u_t(x_t|x₀,x₁)||²

Base 積分的是較長的路徑。Turbo 學的是這條路徑的短程近似,因此它的誤差不能當作 Base 誤差的縮小版來推想。Edit 額外加入輸入影像條件,必須保留指令未觸及的內容。

基礎模型先學會可用的傳輸場;蒸餾學生模型再把這條軌跡壓縮到大約四步。編輯器則需要成對的指令—影像範例,外加一項保持目標。這個順序說明了為什麼步數變少不必然代表模型更強,也說明單圖編輯器並不意味著具備多參考圖合成能力。

Base 能保住細部結構,卻可能重複局部圖樣。Turbo 可能讓輪廓變硬、紋理過度規則化,或毀掉小字。Edit 需要同時通過三項檢查:指令遵循、主體一致性,以及請求區域外的漂移。公平的比較必須固定提示詞、畫布與種子。

官方儲存庫與三張模型卡確立了一件事:Base、Turbo、Edit 三份權重以不同的使用路徑公開。發布方提供的提示詞對照描述的是這次釋出本身,無法構成跨海報、人像、產品圖與多語排版的通用排行榜。

一次釋出為何裝進三個檢查點

Boogu-Image 0.1 把 Base、Turbo、Edit 打包釋出,三者因此看起來像單純的速度預設。實際上,Base 保留較長的生成軌跡,Turbo 把這條軌跡蒸餾到大約四步,Edit 則在條件契約中加入輸入影像。同一個專案名稱底下,藏著三道必須分開回答的驗收問題。

釋出日期也掩蓋了開發順序。基礎模型先學會可用的速度場,蒸餾模型再學短程近似,編輯檢查點最後才加入成對的指令—影像資料。少了這段脈絡,很容易誤以為步數越少全面越好,或以為單圖編輯器自動支援多參考圖合成。

L_FM=E[t,x₀,x₁] ||vθ(x_t,t,c)-u_t(x_t|x₀,x₁)||²

流匹配訓練的是從雜訊到影像潛在表徵的速度場。Base 積分較長的路徑;Turbo 學的是短程近似,因此四步行為無法從 Base 的步數經驗法則推導出來。

Edit 加入輸入影像條件。驗收時必須把指令遵循、主體保持與請求區域外的漂移分開評估,不能以銳利度混充。

論文、程式碼與權重可沿著 Boogu-Image source / Boogu Base weights / Boogu Turbo weights 逐一查閱。

這是專案內部的契約對照,不能當作從內部偏好集產生的通用排行榜。

Base 可能保留更多細節,卻仍會重複局部圖樣。Turbo 容易出現僵硬的輪廓、似曾相識的紋理與破碎的小字。Edit 的評斷標準是指令遵循、主體一致性,以及請求區域外的漂移。

對三個檢查點做比較時,提示詞、尺寸與種子都應固定。釋出示意圖能展示能力,卻無法確立模型在海報、人像、產品圖、密集排版與複雜構圖上的穩定行為。

發布方的提示詞集對重現很有用,卻代表不了每一張海報、每一個人、每一件產品或每一種多語版式。站得住腳的比較需要固定的提示詞套件與盲審。

Base、Turbo 與 Edit 需要各自獨立的取樣紀錄。步數同時改變成本與軌跡誤差;編輯檢查點還需要記錄輸入影像、指令,以及編輯區域外的保持狀況。

模型名稱、數字與限制均可追溯至下列論文、儲存庫或模型卡。