微軟開源 Mage Flow：4B 引數兼顧生成與編輯，1 秒內出圖

Mage Flow 是微軟開源的一套 40 億引數（4B）影像生成與編輯模型。它把文生圖、基於自然語言指令的區域性編輯，以及原生的精準控制能力直接打包進了一個輕量模型裡。

它能做什麼

在生成方面，Mage Flow 可以輸出不同人種與風格的寫實人像和風景，而且文字渲染能力很強。它能直接在畫面中生成海報、資訊圖排版，並支援中文等多種語言的文字渲染，不容易出現字元潰爛。

在編輯方面，它類似 GPT Image 和 Nano Banana 的用法。你不需要手動塗抹複雜的遮罩，直接輸入文字提示就能替換背景、切換白天與夜景、調整鏡頭角度或改變人物姿態。

它還支援虛擬試穿、修改人物髮型與表情，或者微調畫面的構圖與色調。

更方便的是，模型原生內建了 ControlNet 級別的控制能力。你可以輸入一張人體骨架圖或 Canny 邊緣線稿讓它生成寫實照片，反過來也可以讓它把照片提取成線稿、骨架、深度圖或分割圖。

怎麼做到的與硬體門檻

傳統的擴散模型往往把分詞器、生成主幹和控制外掛拆得很散，推理慢且佔視訊記憶體。微軟給 Mage Flow 配套設計了一個單步擴散分詞器 Mage-VAE，把編解碼的計算開銷直接降了十幾倍，同時原生支援 512 到 2048 畫素的自由解析度打包。

模型分為基礎版、強化學習對齊版和經過蒸餾的 4 步 Turbo 版。在單張 NVIDIA A100 上，1024 解析度下 Mage-Flow-Turbo 生成一張圖僅需 0.59 秒，做一次指令編輯也只要 1.02 秒。

在微軟公佈的基準測試中，Mage Flow 的綜合得分超過了 FLUX.1 Klein 和 Qwen Image，影像編輯得分緊跟 FLUX.1 Klein。不過測試中沒有把 Chroma 2 或 Ideogram 納入對比。

硬體要求方面，Mage Flow 主模型體積約為 17.5GB。這意味著中高階顯示卡可以直接在本地跑起來，模型權重已經公開，使用者可以在其專案主頁和模型倉庫中獲取。

為什麼重要

對個人創作者和開發者來說，Mage Flow 最吸引人的地方在於輕量和低延遲。以前做高質量生圖加精準圖生圖往往要掛載多個龐大的外掛，不僅視訊記憶體吃緊，跑一步還要等好幾秒。現在把 4B 模型壓縮到單圖 0.6 秒內出圖，讓本地互動式即時修圖成了可能。

我們認為，如果你的視訊記憶體能吃下 17.5GB，它非常適合用來搭建本地工作流，尤其是需要頻繁換背景、加多語言排版或藉助線稿控制構圖的場景。至於顯示卡配置較低的讀者，不妨等幾天社群推出量化版或 ComfyUI 整合包後再上手。