Mage-Flow: 4B native resolution image model by Microsoft

news

Microsoft Asia releases Mage-Flow -- compact 4B generative stack for text-to-image and image editing, native resolution 512-2048, RL and 4-step Turbo variants, MIT license.

Mage-Flow cover

マイクロソフトアジアは、Mage-Flow をリリースしました。これはコンパクトな 4Bパラメータの生成スタック で、効率的な テキストからの画像生成 と 命令ベースの画像編集 を実現します。数十億パラメータへのスケーリングではなく、トークナイザー・バックボーン・システムの協調設計（co-design） により最先端に匹敵する品質を達成し、現実的な計算リソースの範囲内で高速、メモリ軽量、かつ容易にファインチューニング可能です。

概要

Mage-Flow は、協調設計された2つの共有コンポーネントで構成されています。

  • Mage-VAE — 軽量で高忠実度の潜在トークナイザー（アンカー潜在KL正則化を用いた1ステップ拡散エンコード/デコード）。FLUX.2-VAEと同等の再構築忠実度を達成しつつ、ピクセルあたりのエンコード/デコードMAC数をそれぞれ約12分の1、約22分の1に削減。
  • NR-MMDiT — 共有4B ネイティブ解像度マルチモーダル拡散トランスフォーマー（Native-Resolution Multimodal Diffusion Transformer）。Mage-VAE潜在空間内でrectified flow matchingを採用し、テキストエンコーダとしてQwen3-VLを使用。

これら2つのコンポーネントにより、Mage-Flow（テキスト→画像生成）と Mage-Flow-Edit（命令ベース画像編集）の2つのモデルインスタンスが実現され、それぞれ Base版、RL調整版、4ステップTurbo版 が提供されます。

主な特徴

  • コンパクトでありながら高性能 — 単一の4Bファミリーで、より大規模なオープンシステム（Qwen-Image 20B、Z-Image 6B、FLUX.2 32B、FireRed-Image-Edit 20B）に匹敵もしくはそれを上回る性能
  • ネイティブ解像度 — 1つのチェックポイントで 512から2048 までの任意のアスペクト比に対応。極端な 4:1（例：512×2048、2048×512）もサポート
  • システムレベルの高速化 — ネイティブ解像度パッキング＋融合CUDAカーネルによりMFUを約33%から約77%に向上（トレーニング約2.5倍高速化）。CFGの条件付き/無条件分岐を1回のパックフォワードで実行
  • 完全なモデルファミリー — Hugging Face上に6つのチェックポイントを公開。Base、RL調整、Turboの各レベルで生成および編集モデルをカバー
  • インタラクティブなレイテンシ — 単一A100、1024×1024の場合：Mage-Flow-Turbo 0.59秒/画像、Mage-Flow-Edit-Turbo 1.02秒/編集、ピークメモリ約18〜20GB
  • 多用途な編集機能 — 意味的内容編集、外観変換、画像復元、構造認識出力を統一パイプライン内でサポート

モデル一覧

すべてのチェックポイントは、Hugging Face上でセルフコンテナ型のdiffusersスタイルリポジトリとして提供されています。

モデルタスクバリアントステップ数リンク
Mage-Flow-4B-Baseテキスト→画像生成Base30🤗 Hugging Face
Mage-Flow-4Bテキスト→画像生成RL調整版20🤗 Hugging Face
Mage-Flow-4B-Turboテキスト→画像生成数ステップ蒸留版4🤗 Hugging Face
Mage-Flow-Edit-4B-Base画像編集Base30🤗 Hugging Face
Mage-Flow-Edit-4B画像編集RL調整版30🤗 Hugging Face
Mage-Flow-Edit-4B-Turbo画像編集数ステップ蒸留版4🤗 Hugging Face

性能ハイライト

Mage-Flow は GenEval 0.90 を達成 — これはすべてのオープンソースモデルの中で最高値であり、FLUX.2（0.87）、Qwen-Image（0.87）、Z-Image（0.84）を上回ります。DPG-Benchでは、Mage-Flow-Baseが86.26をスコアし、より大規模なモデルと互角の性能を示しています。

画像編集においては、Mage-Flow-Edit-Turbo が GEdit-EN 8.271 および GEdit-CN 8.264 をスコアし、複数のベンチマークにおいて全オープンソース編集モデル中で1位または2位を獲得しています。

提供情報

すべてのMage-Flowチェックポイントは、MITライセンス のもとHugging Face上で公開されており、研究目的および商用利用の両方で自由に利用できます。現時点では、Mage-Flowに対するネイティブなComfyUIサポートはまだありません — モデルを使用するには、Mageリポジトリの公式Python API、CLI、またはGradioアプリが必要です。

詳細、ギャラリー、ベンチマークについてはプロジェクトページをご覧ください。

コメント

GitHubでサインインしてディスカッションに参加しましょう。

コメントを読み込み中…
Mage-Flow: 4B native resolution image model by Microsoft | ComfyUI Wiki