非对称流模型 AsymFlow 发布：绕过 VAE 直接在像素空间生图

如果你经常用 AI 生成图片，大概率受够了一种挥之不去的「AI 塑料味」：皮肤被抹得异常平滑，复杂布料或毛发的边缘总带着模糊感。

这种塑料感的根源，其实来自当下生图模型通用的妥协方案。为了省算力，模型都在高度压缩的潜在空间里作画，最后再塞给 VAE 解码器，硬生生还原成我们肉眼看到的像素。

研究团队提出了一种名为非对称流模型（Asymmetric Flow Models，简称 AsymFlow）的新架构。它做的事情很干脆：完全绕过潜在空间，彻底扔掉 VAE，直接在像素空间里一步到位生成图像。

把高维噪声关进「低秩笼子」

直接在像素空间生图并不是什么没人想过的新想法，之前行业不用它，纯粹是因为太贵、太慢。

未压缩的像素空间维度极高。传统的流模型在算速度向量时，不仅要学着画图，还得耗费大量模型容量去拟合那些高维无序的随机噪声。这就导致以往的像素级扩散模型速度极慢，计算资源基本被噪声浪费掉了。

AsymFlow 的解法很聪明。它观察到真实图像的数据本身具有低秩结构，于是设计了一种非对称的速度参数化方案。

说白了，它让网络把噪声预测严格限制在一个局部的低秩子空间里，而图像数据本身则保留完整的维度进行预测。完成预测后，再用数学公式把完整的速度还原出来。

这样既保留了对高维细节的控制力，又甩掉了拟合高维噪声的包袱。通过这种架构层面的巧妙调整，模型直接把生成速度提升了 40%，以往在像素空间作画的算力和速度瓶颈被硬生生打破了。

刷榜 ImageNet，顺便给 FLUX.2 换了个底座

在标准的 ImageNet 256×256 基准测试上，AsymFlow 拿下了 1.57 的 FID 成绩，大幅超越了此前的 PixelDiT 和 JiT 等一众像素级生成模型。

更值得关注的是，这项技术不仅能从零训练，还能直接给现存的模型「换底座」。以往如果想做像素级模型，通常意味着要从头训练，成本天文数字。

研究团队通过把像素的低秩子空间与原本的潜在空间对齐，成功打通了从预训练潜在模型微调到像素模型的路径。这相当于让新模型直接继承旧模型的高层语义和构图能力，微调时只需要专心修复底层的像素级纹理。

他们用这种方法对 9B 参数的 FLUX.2 klein 进行了微调，打造出 AsymFLUX.2 klein。结果显示，它在 HPSv3、DPG-Bench 和 GenEval 等评测上全方位超越了原本的潜在空间底座，生成出来的毛发、光影和材质纹理锐利得多，彻底告别了传统潜在扩散模型的塑料假面感。

为什么重要

我们认为，AsymFlow 的出现很可能成为图像生成底层架构的一次重要转向。

对创作者和开发者来说，最直接的好处是画质的真实感。过去为了修补 VAE 解码带来的模糊和涂抹，大家往往需要挂载放大插件或做复杂的后期修图。现在直接在像素层作画，原本被 VAE 抹掉的微观细节被保留了下来，AI 图像终于有了真正的照片级肌理。

对行业而言，它打碎了「高质量大模型必须依赖 Latent + VAE」的思维定势。过去几年行业为了效率不得不接受 VAE 的精度损失，而 AsymFlow 证明了像素级生成不仅可以跑得够快，甚至不必从头烧钱训练，完全能够踩在现有开源潜在模型的肩膀上迭代升级。

不过，像素级生成毕竟面临着更高的原生数据吞吐。虽然低秩技巧大幅缓解了噪声负担，但在面对超大分辨率生成时，硬件显存的吞吐压力依然需要经受考验。但无论如何，能把 VAE 从生成链路里一脚踢开，AI 图像向真正以假乱真迈出了极其扎实的一步。