微软开源 Mage Flow：4B 参数兼顾生成与编辑，1 秒内出图

Mage Flow 是微软开源的一套 40 亿参数（4B）图像生成与编辑模型。它把文生图、基于自然语言指令的局部编辑，以及原生的精准控制能力直接打包进了一个轻量模型里。

它能做什么

在生成方面，Mage Flow 可以输出不同人种与风格的写实人像和风景，而且文字渲染能力很强。它能直接在画面中生成海报、信息图排版，并支持中文等多种语言的文字渲染，不容易出现字符溃烂。

在编辑方面，它类似 GPT Image 和 Nano Banana 的用法。你不需要手动涂抹复杂的遮罩，直接输入文字提示就能替换背景、切换白天与夜景、调整镜头角度或改变人物姿态。

它还支持虚拟试穿、修改人物发型与表情，或者微调画面的构图与色调。

更方便的是，模型原生内置了 ControlNet 级别的控制能力。你可以输入一张人体骨架图或 Canny 边缘线稿让它生成写实照片，反过来也可以让它把照片提取成线稿、骨架、深度图或分割图。

怎么做到的与硬件门槛

传统的扩散模型往往把分词器、生成主干和控制插件拆得很散，推理慢且占显存。微软给 Mage Flow 配套设计了一个单步扩散分词器 Mage-VAE，把编解码的计算开销直接降了十几倍，同时原生支持 512 到 2048 像素的自由分辨率打包。

模型分为基础版、强化学习对齐版和经过蒸馏的 4 步 Turbo 版。在单张 NVIDIA A100 上，1024 分辨率下 Mage-Flow-Turbo 生成一张图仅需 0.59 秒，做一次指令编辑也只要 1.02 秒。

在微软公布的基准测试中，Mage Flow 的综合得分超过了 FLUX.1 Klein 和 Qwen Image，图像编辑得分紧跟 FLUX.1 Klein。不过测试中没有把 Chroma 2 或 Ideogram 纳入对比。

硬件要求方面，Mage Flow 主模型体积约为 17.5GB。这意味着中高端显卡可以直接在本地跑起来，模型权重已经公开，用户可以在其项目主页和模型仓库中获取。

为什么重要

对个人创作者和开发者来说，Mage Flow 最吸引人的地方在于轻量和低延迟。以前做高质量生图加精准图生图往往要挂载多个庞大的插件，不仅显存吃紧，跑一步还要等好几秒。现在把 4B 模型压缩到单图 0.6 秒内出图，让本地交互式实时修图成了可能。

我们认为，如果你的显存能吃下 17.5GB，它非常适合用来搭建本地工作流，尤其是需要频繁换背景、加多语言排版或借助线稿控制构图的场景。至于显卡配置较低的读者，不妨等几天社区推出量化版或 ComfyUI 整合包后再上手。