BluePixel-Turbo：vivo 的 4 步原生 4K 图像编辑器
vivo 开源 BluePixel-Turbo，这是搭载 DCAE-F64 VAE 的 FLUX.2 Klein 编辑器，可在 4 步内完成原生 4K 编辑，并配有社区 ComfyUI 节点包。
 |  |
|---|---|
| 输入，1K 编辑器的取景 | 四项操作复合编辑后的输出 |
官方演示：放大人物与马匹，把白衬衫换成深棕色束腰外衣，再将鞍垫换成红色皮革，全部由一条指令完成。
一次更新，而非首次发布
该仓库此前已包含一个更早的 SFT checkpoint（ckpt800）。2026-11-03，它被 ckpt35 取代，后者是经 SATP 蒸馏的 transformer，模型卡片将其标注为不含后续后训练阶段的中间 checkpoint。
这次变更范围很小且可核验：十个 transformer 分片全部重新上传，而文本编码器（五个分片）、DCAE-F64 VAE 权重与 tokenizer 与上一版本逐字节一致。Transformer 的 total_size 保持为 36,314,324,992 字节，张量数量仍为 233，因此架构与加载路径均未变动。Hugging Face 的文件索引列出以 fp32 存储的 9,078,581,248 个参数。
| 组件 | 11-03 版本中的变更 |
|---|---|
| Transformer（10 个分片） | 已替换 |
| 文本编码器、VAE、tokenizer | 逐字节一致 |
| 配置、索引、scheduler | 仅元数据变化 |
把 1K 编辑器变成 4K 编辑器
4K 编辑的难点不在采样器，而在 token 数量：在常见的 f=8 压缩下，4K latent 的空间面积是 1K 的十六倍。BluePixel 将 FLUX.2 Klein 的 f=8 VAE 换成 DCAE-F64，这是一种深度压缩自编码器，可让 4K DiT 的 token 数量维持在 1K 的水平，然后通过 8 → 32 → 64 的渐进式投影蒸馏，把新的 latent 与预训练编辑器对齐。
团队估算该阶段的开销约为在 32 块昆仑芯 P800 XPU 上训练 4 天，使用约 20 万条样本。这正是论文的核心论点：4K 编辑变成了一个系统工程问题，有成本可承受的配方，而不是从零开始的预训练。
学习长尾技能而不遗忘基础能力
分组式持续学习：每种竖直技能（发型、表情、姿态、全局照片效果）都以 ACE-LoRA 组的形式在正交梯度之上学习，然后通过 MOPD 蒸馏回基础模型，再开始下一组。论文报告 CIE-Bench 总分从 6.24 提升至 8.87，而通用编辑指标的变化小于 ±0.03，仅发型一组就包含 26 个模板，每个模板均由数十条样本学得。
论文中的模板条带：每组左侧为来源图像，其后为模板输出。
同一组中的表情技能组，同样在训练下一组之前蒸馏回基础模型。
四步取代五十步
源锚定目标投影（SATP）正是 Turbo 之名背后的蒸馏方案：学生模型被锚定到来源 latent 上，使未被编辑的区域在步数削减后仍能保留。据称结果是步数从 50 降至 4，推理速度约提升 4 倍，同时保持任务成功率与背景一致性。8.7 秒这一数字是在昆仑芯 P800 XPU 硬件上测得的，CUDA 桌面运行无法达到该水平。
基准测试
以下数字来自项目主页；该页面注明并未把每项质量评分都对应到这个特定的 Turbo checkpoint。
- VINS-4KEval++（3,305 个原生 4K 案例，7 个模型）：总体 8.62，在 7 个模型中排名第 2；非编辑区域一致性 9.06，仅次于 GPT Image 2
- ImgEdit-Bench：Hybrid 4.59、Action 4.93，两项均排名第 1；Add 项并列第 1
- 8 seed 稳定性：均值 8.624，极差 0.053
- CIE-Bench：经 ACE-MOPD 从 6.24 提升至 8.87
 |
|---|
| GPT Image 2，相同输入与相同复合指令，取自项目主页的对比 |
可用性
官方途径是 vivo/BluePixel 中基于 Diffusers 的 pipeline（load_pipeline + vins_infer.py，4 步，guidance_scale 3.0，target_pixels 4096×4096）。核心 ComfyUI 目前尚无原生加载器，因此 ComfyUI 上的使用来自一个社区节点包：T8mars/Comfyui-BluePixel-T8，在 Comfy Registry 上登记为 bluepixel-t8，包含 20 个节点、分别为 diffusion model / Qwen3-8B 文本编码器 / DCAE-F64 VAE 提供拆分加载器，并在 t8star/BluePixel-Comfy 提供了 transformer 的 INT8 ConvRot 重打包版本（三个文件合计约 28.19 GB）。
使用该节点包时有一条限制：DCAE-F64 采用 64 倍压缩，因此不能与常规 FLUX.2 VAE 或为其构建的空 latent 混用。该节点包要求 ComfyUI 0.43.0+ 与 Diffusers 0.40+。
评论
使用 GitHub 登录后即可参与讨论。