MS, 오픈소스 이미지 생성·편집 모델 'Mage Flow' 공개…1초 미만 초고속 생성

마이크로소프트의 'Mage Flow'는 텍스트 이미지 생성과 자연어 지시 기반 이미지 편집을 하나로 묶은 40억 매개변수(4B) 규모의 오픈소스 모델이다.

어떤 기능을 제공하나

생성 측면에서는 다양한 인물 사진과 실사 이미지를 정교하게 표현하며, 텍스트 렌더링 성능이 뛰어나다. 포스터나 인포그래픽 같은 복잡한 이미지를 안정적으로 만들 수 있고 중국어를 포함한 다국어 텍스트 표기를 직접 지원한다.

편집 측면에서는 GPT Image나 Nano Banana와 유사하게 작동한다. 마스크를 일일이 그릴 필요 없이 텍스트 프롬프트만으로 배경 교체, 낮에서 밤으로의 분위기 전환, 카메라 각도 변경, 인물 포즈 수정이 가능하다.

가상 피팅이나 헤어스타일 및 표정 변경, 구도 수정 등 국소적 디테일 조정도 손쉽게 처리한다.

ControlNet 수준의 구조 제어 기능도 기본 탑재됐다. 인체 골격이나 Canny 외곽선, 깊이 맵, 세그멘테이션 마스크를 입력받아 실사 이미지를 생성할 수 있으며, 반대로 일반 사진에서 외곽선이나 뼈대를 추출하는 역방향 작업도 지원한다.

기술적 특징과 구동 사양

Mage Flow는 1단계 확산 기반 토크나이저인 Mage-VAE와 네이티브 해상도 멀티모달 DiT를 결합했다. Mage-VAE는 토크나이징 연산량을 십분의 일 수준으로 줄여 512픽셀부터 2048픽셀까지 다양한 캔버스를 불필요한 패딩 없이 처리한다.

모델은 기본 버전과 강화학습 정렬 버전, 4단계 증류를 거친 Turbo 버전으로 나뉜다. 단일 NVIDIA A100 환경의 1024 해상도 기준, Mage-Flow-Turbo는 0.59초 만에 이미지를 생성하고 편집 작업은 1.02초에 마친다.

공개된 벤치마크 지표에서 생성 성능은 FLUX.1 Klein과 Qwen Image보다 앞서며, 편집 성능에서도 FLUX.1 Klein에 근접한 수치를 보였다. 다만 Ideogram이나 Chroma 2 같은 선두권 모델과의 비교는 빠져 있다.

메인 모델의 크기는 약 17.5GB로, 중고급형 GPU가 탑재된 PC 환경이라면 로컬에서 직접 구동할 수 있다.

왜 중요한가

로컬 워크플로를 운용하는 창작자와 개발자에게 Mage Flow는 생성, 자연어 편집, 제어망을 4B 크기에 모아 넣고 1초 미만의 반응 속도를 구현했다는 점에서 실용성이 높다. 무거운 파이프라인 없이도 실시간에 가까운 이미지 수정이 가능하다.

17.5GB 용량을 감당할 만한 그래픽 카드를 갖추고 있다면 다국어 텍스트 디자인이나 반복적인 구도 수정 작업용으로 테스트해 볼 가치가 충분하다. VRAM 여유가 적다면 커뮤니티의 경량 양자화 버전이나 ComfyUI 노드 배포를 기다려 진입하는 편이 좋다.