阿里发布图像加速方法 CDM：扩散模型 4 步出图，细节超越 DMD2

想用扩散模型生成一张满意的图，不少人最烦的就是那个读条的过程。通常模型得一步步去噪 20 到 50 次，生成一张得等上十几二十秒。社区后来搞出了各种蒸馏加速算法，能把步数压到 4 步，但跑出来的图往往像抹了一层油，塑料感重得没法看。

阿里团队推出了全新的图像加速方法 CDM，全称是 Continuous-Time Distribution Matching。它的核心目标很简单：在不牺牲画质的前提下，把传统扩散模型原本需要的 20 到 50 步去噪压缩到 4 步，直接带来约 5 倍的速度提升。

告别塑料脸，不挂补丁也能保住细节

在此之前，图像生成加速领域最著名的路线是 DMD 和 DMD2。这类方法虽然能把步数砍到 4 步，但由于依赖少数几个固定的离散时间步做监督，再加上算法本身的特性，极容易导致画面被过度平滑，人物皮肤和背景纹理经常变成一块块毫无质感的色块。为了抢救画质，以往的做法通常得在外面挂上 GAN 判别器或者奖励模型，整个系统又重又复杂。

阿里的 CDM 聪明在没有走缝缝补补的老路，而是直接把优化框架改成了连续时间设计。它用随机长度的动态连续进度替代了死板的离散锚点，让模型在采样轨迹上的任意位置都能进行分布匹配。

与此同时，团队还设计了一套连续时间对齐机制，让模型主动在速度场外推的潜空间里做对齐。说白了，就是不再死盯着几个固定节点纠偏，而是时刻感知整体动态。这样一来，完全不需要外挂额外的辅助判别器，就能自然保留下毛发、微小纹理等丰富细节。

SD3 和 LongCat 实测，消费级显卡也能几秒出图

在具体的实验中，研究人员将 CDM 应用到了 Stable Diffusion 3（SD3-Medium）和 LongCat-Image 两个不同架构的模型上。

对比结果很直观。在审美评分和图像质量等多项 benchmark 测试中，CDM 不仅明显拉开了与 DMD2 的差距，把那种廉价的塑料感彻底抹掉，甚至整体质感超过了以往的主流加速器。哪怕只跑 4 步，画面的锐度和细节依然站得住脚。

对用户而言，这意味着只要手里有一张性能尚可的显卡，原本漫长的等待就能缩短到几秒钟内，出图体验几乎接近实时。目前阿里团队已经放出了论文和代码，并提供了对 SD3 和 LongCat 的支持。

为什么重要

文生图工具要想真正融入日常工作流，低延迟是迈不过去的坎。对独立创作者和设计师来说，CDM 最大的价值在于大幅降低了本地试错的成本。以前在消费级硬件上跑一张高精度图片可能要等半天，导致交互式修图、实时调参极难实现；现在 4 步出图兼顾了速度与细腻度，让个人在本地显卡上体验近乎实时的灵感迭代成为可能。

在行业技术路线上，我们认为阿里的这一步走得很漂亮。以往为了压榨扩散模型的步数，各家方案往往越做越臃肿，靠堆砌 GAN 或复杂的奖励模型去强行修补画质瑕疵。CDM 证明了只要底层的连续时间优化机制设计得当，少步数蒸馏完全可以做到轻量且高质量，给后续的模型压缩提供了更优雅的范式。

不过，这项技术目前主要在 SD3-Medium 和 Longcat-Image 上跑通了验证。社区眼下更期待它能尽快拓展到 Qwen、Flux 等其他主流开源大模型上；同时，极低步数下模型对超长复杂提示词的理解边界在哪里，也还需要更多实际落地场景来检验。