OpenAI 探索「一致性模型」：單步完成影像生成，速度快一個數量級

如果你用過 Midjourney 或 Stable Diffusion，大概對那個進度條很熟悉：畫面從一片電視雪花點開始，幾十步甚至上百步後，細節才一點點清晰起來。

這種擴散模型固然好看，但算力消耗極大，速度也慢得很難做進即時互動裡。現在，OpenAI 想把這幾十上百步，直接砍成一步。

上個月，OpenAI 的研究團隊在預印本平臺悄悄上線了一篇硬核學術論文，提出了名為「一致性模型」（Consistency Models）的新型影像生成技術。論文作者名單裡不僅有主要研究者 Yang Song、Prafulla Dhariwal 和 Mark Chen，還有 OpenAI 聯合創始人兼首席科學家 Ilya Sutskever。

告別漫長去噪，一步直接出圖

要理解一致性模型，得先看看它要替代的擴散模型。

擴散模型的工作邏輯，是先把一張完全由噪聲組成的圖片拿過來，通過 10 次到上千次計算，一點點把噪聲剝除，讓畫面逐漸貼近你的提示詞。這個過程很精細，但代價是太貴、太慢，想做即時應用基本不太現實。

一致性模型的思路完全不同，它的目標是在單次計算，或者最多兩步之內，直接拿出像模像樣的結果。

訓練時，它同樣會觀察影像被破壞的過程。但它學會了在任意模糊或噪聲程度下，直接跳過中間繁瑣的逐步推導，僅憑一步對映就還原出完整的原始影像。

必須說實話，這項早期實驗技術目前生成的影像還談不上驚豔，有些甚至連好看都算不上。但它的意義在於速度拉高了一個數量級，而且不僅能畫畫，還能在單步內搞定上色、影像放大、草圖還原和區域性重繪等多種任務，通常加到第二步，畫質就會明顯提升。

為什麼重要

對普通使用者和開發者來說，這套模型現在顯然還沒到可以替代日常畫圖工具的地步。你現在還不能指望它做出 Midjourney 級別的精美大片，它目前更像實驗室裡跑通的一個原型。

但它的價值在於未來的場景。如果你想在智慧手機上本地跑影像生成，又不想幾秒鐘抽乾電池；或者想在即時聊天、遊戲渲染裡實現毫秒級即時出圖，傳統的擴散模型根本扛不住這種開銷。一致性模型開啟的正是輕量化和端側部署的可能。

從行業競爭來看，我們認為這一步走得相當敏銳。當整個行業都在卷擴散模型的引數量、堆 GPU 叢集做精細打磨時，OpenAI 已經在尋找下一代底層架構了。在機器學習領域，通常是新路徑一開始效果奇差但極其高效，隨後靠工程迭代迅速追平舊技術。

看起來，OpenAI 很清楚多模態的未來不能只靠堆算力硬撐。不過這項技術到底會成為下一個顛覆性的通用基座，還是僅僅作為特定低延遲場景的補充手段，還要看後續畫質能否真正逼近擴散模型。