LLaDA-Image 發布 6B 參數圖像生成與編輯模型，開源完整訓練配方並創 Qwen-Image-Bench 開源新高

研究團隊發布 LLaDA-Image，這是一個 6B 參數的擴散 Transformer (DiT) 圖像生成與編輯模型，並全面開源模型權重、訓練程式碼與詳細配方。該架構結合從頭訓練的 DiT 與基於 LLaDA2.0-Mini 骨幹的凍結視覺語言理解模組。在訓練策略上，模型初期不依賴成對的圖文資料，而是透過 2.2 億個樣本（含 9800 萬真實圖像）進行純圖像預訓練以建立強大的視覺先驗，並在 DiT 中全面使用無參數 RMSNorm 與 Muon 最佳化器。 LLaDA-Image 支援實用的文生圖、VQ 條件生成、參考圖像編輯及中英文文字渲染。除了 50 步的高品質基礎版本，團隊亦釋出經蒸餾的 LLaDA-Image-Turbo，可於 2 至 4 步內完成快速推論。在 Qwen-Image-Bench 評測中，LLaDA-Image 在英文與中文賽道分別取得 53.53 與 53.38 分，創下開源模型的新 SOTA。