单步生图新方法 RDM 开源：仅需 1 步推理，画质反超 4 步模型

RDM（Representation Distribution Matching）是一个能把图像生成压缩到只要 1 步推理的开源方案。

平常我们玩 Stable Diffusion 或者各类扩散模型，生成一张图通常要走 30 到 50 步去噪。就算换成 Turbo 或 Flash 这类加速模型，也得硬跑 4 到 10 步。每多一步，显卡就得多算一轮，在实时交互或者批量出图时延迟依然明显。RDM 的目标就是只做一次网络前向计算，直接出图。

怎么做到只跑 1 步

大多数极速生成方案要么靠复杂的教师模型在线蒸馏，要么靠对抗训练硬刚，训练起来不仅不稳定，还容易把模型改得漏洞百出。

RDM 的思路完全不同。它既不要在线教师，也不要对抗判别器，更不去追踪繁琐的去噪轨迹。它的核心逻辑是匹配生成样本与真实图像在高级特征空间的整体分布。

过去大家也试过特征匹配，但如果只盯着单个特征提取器（比如 DINOv2），模型很快就会「投机取巧」：虽然在这个提取器上的得分完美刷满，生成的图片肉眼看却到处都是破绽。

研究团队找出了破局办法。他们不迷信单一特征，而是同时使用多个预训练编码器组成检测阵列，并用自适应的拉格朗日控制器动态平衡权重。哪个空间最难达标就加大权重，已经达标的就降权，让模型无法投机取巧。文生图任务上，它还会直接匹配图文联合分布，保证画面紧扣提示词。

跑分反超 4 步原版

实测数据相当亮眼。在图像分布距离测试 SW r14 中，真实测试集基准分为 1.00，数字越低越接近真实。RDM 跑出了 1.30 的成绩，不仅大幅甩开以往单步模型的 2.05，甚至超越了多种多步扩散模型。

在不参与训练的人类偏好评测 PickScore 上，RDM 生成的样本有 63.6% 被判定比真实照片更受青睐，面对之前顶尖的单步模型，胜率高达 71.2%。

更具实用价值的是对现有大模型的后训练改造。研究团队把原本需要 4 步的 FLUX.2（klein）蒸馏为单步模型，只花了 90 个 H200 GPU 小时。在图文一致性基准 GenEval 上，单步版拿到了 0.826 分，超过 4 步原版的 0.794；PickScore 偏好分也从原版的 22.58 提升到 22.76。单步推理在质量上彻底反超了 4 步原版。

目前项目团队已经在主页公开了代码，并附带了在本地环境运行的完整指南。只要硬件和依赖到位，开发者可以直接上手复现。

为什么重要

对开发者和应用厂商来说，图像生成从 4 步压缩到 1 步绝不只是快了一点，而是质的飞跃。这意味着实时画板、游戏内动态贴图生成、高并发 API 服务的算力成本能直接砍掉大半，交互延迟直接降到毫秒级。

以往业界普遍觉得单步模型只能用来做玩具或者草稿，保质量就得乖乖跑多步。RDM 证明了只要分布匹配的数学工具用对、特征约束做得够多，单步模型完全可以达到甚至超越多步原版的效果。

当然，因为只有单次网络推理，它在极其细碎复杂的纹理上偶尔还是会有小毛病。但就目前的综合表现和开源进度来看，任何做极速生图或端侧部署的团队，都值得立刻拉下代码跑一跑。