小红书开源修图模型 FireRed 1.1：保脸保穿着，还能复刻海报字体

FireRed-Image-Edit 1.1 是小红书开源的语义修图模型，让你用自然语言就能对照片做外科手术级别的修改。

它的前代 1.0 表现已经相当不错，这次升级最大的杀手锏是角色身份保持。换句话说，你在改背景、换姿势甚至大幅度重构画面时，人物的脸部和穿着都能被牢牢锁住，连婴儿换姿势这种高难度场景也能保住面部特征。

它能做什么

你可以把它当成一个懂审美的 AI 修图搭子。只要输入文字提示，它就能完成局部精修。

最实用的一项能力是多参考图换装和融合。它支持同时喂给模型多张素材图，系统自带的智能 Agent 会自动处理裁剪和拼接。不管是给模特换上一件带复杂花纹的裙子，还是渲染一双细节拉满的鞋子，质感都相当自然，体验上很接近商业级的 Nano Banana。

除了常规的专业人像美妆和老照片修复，它还有一个非常有意思的玩法：复刻字体风格。如果你手头有一张人物照，再给一张海报作为参考，模型可以直接学习海报里的特定字体样式，把它精准迁移到新图上做封面设计。

在 benchmark 评测里，FireRed 1.1 超过了 Qwen ImageEdit 和 Longcat Image Edit 等开源竞品，部分测试指标甚至超过了 Nano Banana Pro。

怎么跑起来

目前小红书已经公开了代码、模型权重、技术报告以及完整的 LoRA 训练代码，整体架构也是骨干网络无关的，方便迁移到其他文生图底模上。

不过，它的全量模型文件接近 60GB，对普通消费级显卡来说门槛非常高。好在官方考虑到了落地问题，集成了模型蒸馏、量化和静态编译方案。在量化状态下，显存需求可以压到 30GB 左右，端到端生成时间大概在 4.5 秒。

对于创作者和本地玩家来说，更省心的是它原生提供了 ComfyUI 节点支持与 GGUF 格式文件，不需要自己手搓推理脚本。

为什么重要

对于做电商设计、自媒体封面的创作者来说，FireRed 1.1 真正解决了过去开源工具「改了背景就换了张脸」的痛点，把复杂换装和海报排版的门槛直接拉低到了打字级别。

我们认为它的价值在于填补了高质量开源指令修图的空白。过去想要 Nano Banana 级别的可控性只能靠闭源 API，现在本地工作流也能实现相当接近的效果。唯一的障碍依然是硬件，30GB 的量化显存对多数个人电脑来说依然偏重，等社区进一步推出更小尺寸的极限裁剪版，它才有机会在个人开发者之间彻底普及开来。