根据最新信息，阶跃星辰（StepFun）已于近期正式发布了开源图像生成模型 NextStep，这标志着其自回归图像生成系列模型的一次重要升级。
下面是其核心信息汇总：
| 项目 | 详情 |
|---|---|
| 发布状态 | 已正式发布并开源 |
| 模型系列 | NextStep |
| 前代版本 | NextStep-1（140亿参数） |
| 参数量 | 150亿参数 |
| 核心改进 | 解决前代可视化故障，提高图像保真度和训练稳定性 |
| 关键技术 | 扩展训练 + Flow-based RL（基于流的强化学习）后训练范式 |
| 访问方式 | 模型权重已在 Hugging Face 平台开源 |
主要改进与技术特点
这次更新主要针对前代模型的已知问题进行优化，主要特点如下：
-
修复可视化故障 ：NextStep-1.1的核心目标是解决其前代版本 NextStep-1 中出现的图像"可视化故障"或"可视化异常问题"，以提升输出的专业度。
-
提升图像保真度与训练稳定性：
-
模型通过 "Flow-based RL" 的强化学习后训练方法，改善了生成图像的纹理细节 ，并旨在减少视觉伪影。
-
官方介绍称，这一技术也旨在解决自回归流基模型在强化学习中固有的数值不稳定性问题。
-
与前代模型的区别
为了让你更清楚地了解此次升级，以下是NextStep-1.1与其前代NextStep-1的主要区别：
| 对比维度 | NextStep-1 (前代) | NextStep-1.1 (当前版本) |
|---|---|---|
| 参数量 | 140亿参数 | 150亿参数 |
| 技术焦点 | 自回归+连续令牌+轻量级流匹配头 | 修复可视化故障 、Flow-based RL |
| 主要目标 | 验证自回归模型生成高质量图像的可行性 | 提升图像质量、输出稳定性和训练稳定性 |
如何获取与使用
-
开源信息 ：该模型的权重文件已在 Hugging Face 平台上开源，可供下载和研究。
-
性能数据：目前的公开信息中，尚未提及NextStep-1.1在具体基准测试（如WISE、GenEval等）中的详细分数。其性能表现，尤其是在与前代或主流扩散模型的对比上，有待社区进一步的验证和评估。
-
硬件与部署 ：参考前代NextStep-1的经验，这类大型自回归模型通常需要较强的GPU计算资源（如CUDA设备）进行推理。具体的硬件要求和部署文档，建议查阅即将发布的官方仓库说明。