單步生圖新方法 RDM 開源：僅需 1 步推理，畫質反超 4 步模型

RDM（Representation Distribution Matching）是一個能把影像生成壓縮到只要 1 步推理的開源方案。

平常我們玩 Stable Diffusion 或者各類擴散模型，生成一張圖通常要走 30 到 50 步去噪。就算換成 Turbo 或 Flash 這類加速模型，也得硬跑 4 到 10 步。每多一步，顯示卡就得多算一輪，在即時互動或者批量出圖時延遲依然明顯。RDM 的目標就是隻做一次網路前向計算，直接出圖。

怎麼做到只跑 1 步

大多數極速生成方案要麼靠複雜的教師模型線上蒸餾，要麼靠對抗訓練硬剛，訓練起來不僅不穩定，還容易把模型改得漏洞百出。

RDM 的思路完全不同。它既不要線上教師，也不要對抗判別器，更不去追蹤繁瑣的去噪軌跡。它的核心邏輯是匹配生成樣本與真實影像在高階特徵空間的整體分佈。

過去大家也試過特徵匹配，但如果只盯著單個特徵提取器（比如 DINOv2），模型很快就會「投機取巧」：雖然在這個提取器上的得分完美刷滿，生成的圖片肉眼看卻到處都是破綻。

研究團隊找出了破局辦法。他們不迷信單一特徵，而是同時使用多個預訓練編碼器組成檢測陣列，並用自適應的拉格朗日控制器動態平衡權重。哪個空間最難達標就加大權重，已經達標的就降權，讓模型無法投機取巧。文生圖任務上，它還會直接匹配圖文聯合分佈，保證畫面緊扣提示詞。

跑分反超 4 步原版

實測資料相當亮眼。在影像分佈距離測試 SW r14 中，真實測試集基準分為 1.00，數字越低越接近真實。RDM 跑出了 1.30 的成績，不僅大幅甩開以往單步模型的 2.05，甚至超越了多種多步擴散模型。

在不參與訓練的人類偏好評測 PickScore 上，RDM 生成的樣本有 63.6% 被判定比真實照片更受青睞，面對之前頂尖的單步模型，勝率高達 71.2%。

更具實用價值的是對現有大模型的後訓練改造。研究團隊把原本需要 4 步的 FLUX.2（klein）蒸餾為單步模型，只花了 90 個 H200 GPU 小時。在圖文一致性基準 GenEval 上，單步版拿到了 0.826 分，超過 4 步原版的 0.794；PickScore 偏好分也從原版的 22.58 提升到 22.76。單步推理在質量上徹底反超了 4 步原版。

目前專案團隊已經在主頁公開了程式碼，並附帶了在本地環境執行的完整指南。只要硬體和依賴到位，開發者可以直接上手復現。

為什麼重要

對開發者和應用廠商來說，影像生成從 4 步壓縮到 1 步絕不只是快了一點，而是質的飛躍。這意味著即時畫板、遊戲內動態貼圖生成、高併發 API 服務的算力成本能直接砍掉大半，互動延遲直接降到毫秒級。

以往業界普遍覺得單步模型只能用來做玩具或者草稿，保質量就得乖乖跑多步。RDM 證明了只要分佈匹配的數學工具用對、特徵約束做得夠多，單步模型完全可以達到甚至超越多步原版的效果。

當然，因為只有單次網路推理，它在極其細碎複雜的紋理上偶爾還是會有小毛病。但就目前的綜合表現和開源進度來看，任何做極速生圖或端側部署的團隊，都值得立刻拉下程式碼跑一跑。