
NextStep-1: A "forma definitiva" da geração de imagens auto-regressivas, modelo paramétrico 14B de código aberto!
A equipa StepFun abriu o código fonte do NextStep-1, um modelo de geração de imagens autorregressivas puras com 14B parâmetros. O modelo gera imagens diretamente no espaço visual contínuo, sem depender de modelos de difusão ou discretização, e consiste num backbone Transformer de 14B-parâmetros e numa cabeça de correspondência de fluxo de 157M-parâmetros. Suporta imagens geradas por texto de alta fidelidade e edição precisa de imagens (por exemplo, adição e eliminação de objectos, modificação do fundo), e tem um bom desempenho em testes de referência como o GenEval (0,73) e o GenAI-Bench, aproximando-se do modelo de difusão de topo. No entanto, existem desafios como a geração instável e o atraso na descodificação, marcando uma nova fase da geração de imagens auto-regressivas.



















