LLaDA-Image-Turbo: Ant Group ha rilasciato silenziosamente un generatore di immagini open a 4 step

Il 4 settembre 2026, il laboratorio open-source di Ant Group, inclusionAI, ha caricato i pesi di LLaDA-Image-Turbo e LLaDA-Image su Hugging Face senza post di lancio, senza comunicato stampa e — al momento in cui scriviamo — senza licenza dichiarata su nessuno dei quattro repository creati. LLaDA-Image-Turbo è il modello veloce di quel rilascio: un checkpoint distillato che, secondo la scheda del modello, trasforma un prompt o un'istruzione di editing in un'immagine 1024×1024 in quattro passaggi di campionamento, contro i cinquanta del modello base LLaDA-Image da cui è stato distillato. Ciò che rende questo rilascio silenzioso degno di attenzione è una singola riga riportata dal fornitore nella scheda del modello — stato dell'arte tra i modelli open-source su Qwen-Image-Bench — e ciò che rende difficile agire di conseguenza è tutto ciò che, intorno a quella riga, il rilascio non dice ancora.

Questo è un report del primo giorno, non una recensione. I checkpoint sono reali e scaricabili, il codice di inferenza basato su Diffusers viene eseguito da un repository clonato, e il paper di supporto, LLaDA-Image: Building Strong Image Generators with Fully Open Training Recipes, è apparso su arXiv il 3 settembre 2026. Ma non c'è alcun annuncio di inclusionAI o di Ant Group con cui confrontarsi, e al momento della stesura il repository di LLaDA-Image-Turbo mostrava due download: a giudicare da ogni indicatore visibile, nessuno fuori dal laboratorio l'ha ancora eseguito. Tutto ciò che segue è suddiviso di conseguenza: cosa contengono effettivamente i repository, cosa sostiene il paper, e cosa dovrebbe accadere prima che LLaDA-Image-Turbo sia qualcosa su cui un team di produzione dovrebbe scommettere.

Cosa è stato effettivamente spedito

Quattro checkpoint sono stati pubblicati su Hugging Face nell'organizzazione inclusionAI nelle prime ore del 4 settembre 2026 (UTC): LLaDA-Image, il modello Base a cinquanta passi in BF16; LLaDA-Image-FP8; LLaDA-Image-Turbo, il checkpoint veloce distillato in BF16; e LLaDA-Image-Turbo-FP8. La notizia nella scheda del modello, datata 2026-09-04, costituisce l'intero annuncio ufficiale: "Abbiamo rilasciato i checkpoint Base e Turbo di LLaDA-Image insieme al codice di inferenza." Un repository GitHub sotto la stessa organizzazione contiene il codice di inferenza, e il rapporto arXiv è apparso il giorno precedente.

I repository non sono stub. Ogni repository Turbo contiene una pipeline Diffusers completa — un generatore diffusion-transformer shardato, un tokenizer di immagini SigVQ, un connettore query-former, uno scheduler e un encoder di testo a nove shard — quindi "il modello" qui non è un nome segnaposto, ma decine di gigabyte di pesi eseguibili. La famiglia è descritta come un modello di generazione e modifica di immagini da 6 miliardi di parametri; a rigor di termini, la cifra 6B si riferisce al backbone diffusion-transformer addestrato da zero, con un modulo diffusion-language-model congelato della linea LLaDA2 del laboratorio (l'encoder di testo a nove shard) che aggiunge comprensione al di sopra.

Perché la parte in quattro passi è il titolo principale

Per un modello di diffusione di immagini, il costo è dovuto principalmente ai passi di campionamento. Ogni passo è un passaggio completo attraverso la rete, quindi la differenza tra un modello a cinquanta passi e uno a quattro passi è di circa un ordine di grandezza in termini di calcolo per immagine, prima ancora che si consideri qualsiasi altra cosa — risoluzione, dimensione del batch, hardware. Questo è l'intero scopo della linea "Turbo" in questa release. inclusionAI ha distillato LLaDA-Image in LLaDA-Image-Turbo con una tecnica che chiama Twin-DMD, e il checkpoint distillato funziona in due o quattro passi, con quattro raccomandati, a una scala di guida di 1.0 contro i 5.0 del modello Base. Stesso oggetto pipeline, stesso prompt, stesso output 1024×1024 — una frazione dei passaggi di denoising.

L'avvertenza è quella standard per i modelli di immagini distillati, ma qui è più netta del solito: la distillazione sacrifica un po' di fedeltà in cambio di velocità, e inclusionAI non ha pubblicato alcun numero di benchmark per LLaDA-Image-Turbo. I punteggi Qwen-Image-Bench nella scheda del modello appartengono al checkpoint Base a cinquanta passi. Quindi il divario qualitativo effettivo tra LLaDA-Image-Turbo a quattro passi e LLaDA-Image a cinquanta passi non è quantificato dal fornitore e non è ancora stato testato da nessun altro — il che rende "Turbo" un'affermazione sulla velocità che puoi verificare solo eseguendolo.

One checkpoint that generates and edits

La scommessa architetturale alla base della famiglia è l'unificazione. Un unico insieme di pesi gestisce la generazione text-to-image, la generazione condizionata da VQ, l'editing con immagine di riferimento e il rendering del testo in cinese e inglese — senza un backbone di editing separato, motivo per cui la metà "editing" del rilascio non viene distribuita come modello autonomo. In modalità editing, l'immagine di riferimento viene instradata bypassando il modulo linguistico e iniettata direttamente nel modello di diffusione, mentre il modulo linguistico elabora solo l'istruzione; la scheda tecnica dichiara una fedele conservazione del contenuto con modifiche visive precise, insieme a generazione fotorealistica e testo tipograficamente pulito in entrambe le lingue.

Due dettagli tecnici meritano di essere annotati fin dal primo giorno. Il generatore è un diffusion transformer da 6B addestrato da zero con {{1}}RMSNorm senza parametri e l'ottimizzatore Muon{{/1}}, dettagli che il paper riporta senza sorvolare. La storia dell'addestramento nel paper è un'inversione consapevole della solita ricetta immagine-testo: il pre-training e il mid-training basati esclusivamente su immagini costruiscono prima un forte prior visivo e solo in seguito il laboratorio introduce la supervisione linguistica basata su coppie immagine-testo e l'addestramento congiunto generazione-editing. È quest'ordine — insieme alla dicitura {{2}}"Fully Open Training Recipes"{{/2}} nel titolo del paper — a rappresentare il gancio della ricerca. Da notare il divario tra l'impostazione del paper e il piano di rilascio di Hugging Face: pesi e codice di inferenza risultano già spuntati, mentre il codice di addestramento è ancora contrassegnato come "coming soon".

Leggendo la rivendicazione 53.53 / 53.38

Il numero che girerà è il punteggio del benchmark: su Qwen-Image-Bench, un benchmark text-to-image con binari separati in inglese e cinese, {{1}}inclusionAI riporta che LLaDA-Image ottiene 53.53 complessivi sul binario inglese e 53.38 su quello cinese, un risultato che definisce un nuovo stato dell’arte tra i modelli open-source su entrambi.{{/1}} Se lo si legge con precisione, emergono tre limiti. È {{2}}auto-dichiarato dal vendor, basato sulla valutazione interna del laboratorio e non ancora riprodotto altrove.{{/2}} Riguarda il modello LLaDA-Image Base a cinquanta passi, non LLaDA-Image-Turbo, il checkpoint a cui questa release è nominalmente dedicata. E {{3}}“stato dell’arte open-source” è una categoria che si sposta ogni mese{{/3}} — è un’affermazione su dove si colloca il modello rispetto ai suoi omologhi open, non una dichiarazione sulla frontiera chiusa.

Quello che la figura ti dice davvero è il motivo per cui la famiglia esiste. Un modello text-to-image e di editing cinese-inglese, in vetta a un benchmark aperto su entrambe le tracce, punta dritto al mercato in rapida evoluzione dei modelli di immagine aperti — lo stesso segmento in cui i checkpoint della famiglia Qwen-Image, insieme a un flusso costante di altri pesi aperti, hanno dettato il ritmo. Se LLaDA-Image-Turbo riproduce anche solo gran parte della qualità del modello Base in quattro passi, diventa uno dei modelli di immagine aperti più economici da eseguire che abbia alle spalle una credibile pretesa di qualità. È la parola “se” a fare il lavoro in quella frase.

Le lacune che impediscono a una nave silenziosa di essere varata

Un annuncio. La riga del 2026-09-04 sulla model card è l'unica dichiarazione del fornitore. Non esiste un post sul blog di inclusionAI, nessun comunicato di Ant Group, nessun post sui social, nessuna copertura stampa oltre agli aggregatori — il che è di per sé un segnale che merita rispetto piuttosto che essere nascosto.

• Una licenza. Nessuno dei quattro repository Hugging Face riporta un'etichetta di licenza, e il repository GitHub non ha alcun file LICENSE — solo una nota bilingue LEGAL.md che afferma che i commenti in cinese nel codice prevalgono su quelli tradotti. Non si possono assumere diritti commerciali sui pesi senza una licenza dichiarata, per quanto "open" possa sembrare il titolo del paper. Per chiunque faccia un uso commerciale, questa è la prima domanda, e attualmente non ha risposta.

• Numeri Turbo. Non viene pubblicato alcun dato di benchmark, latenza o qualità specificamente per LLaDA-Image-Turbo. La classifica sopra è quella del modello Base; il checkpoint distillato è un'affermazione non quantificata, finché il fornitore o un run indipendente non fornisca i dati.

• Verifica indipendente e accesso in hosting. Download e mi piace sono a una cifra, non esiste alcuna riproduzione indipendente, e nessun fornitore di inferenza che possiamo trovare — incluso OrcaRouter — sta ancora servendo il modello. Oggi sono solo pesi su Hugging Face e nient'altro.

Cosa fare con una nave silenziosa di un giorno

Se sei un ricercatore o un team che si auto-ospita, questa è una release da clonare ed eseguire questa settimana: pesi aperti, una pipeline Diffusers, una variante BF16 e una FP8 per bilanciare memoria e qualità, e un paper che spiega come è stato addestrato, anche prima che il codice di addestramento venga rilasciato. Se il tuo utilizzo è commerciale, la questione della licenza viene prima di tutto: un modello di immagini a quattro step con una credibile pretesa di qualità non vale un rischio legale, e la mossa responsabile è valutarlo sulla propria GPU e attendere la riga di licenza prima di metterlo anche solo vicino a un prodotto.

Quattro cose trasformerebbero questa nave silenziosa in un lancio su cui valga la pena costruire, e nessuna di esse è avvenuta al 4 settembre 2026:

• Un annuncio reale da parte di inclusionAI o Ant Group, che nomini la famiglia e i suoi termini.

• Una licenza dichiarata sui repository — Apache-2.0 corrisponderebbe alla pratica più ampia del laboratorio sui pesi aperti e rimuoverebbe il blocco commerciale.

• Punteggi pubblicati di LLaDA-Image-Turbo, oppure una riproduzione indipendente del risultato Qwen-Image-Bench del modello Base.

• Un provider di hosting che se ne fa carico, che è anche il momento in cui il modello acquisisce un prezzo per immagine e diventa qualcosa che un'API di routing può fornirti in una sola chiamata.

Quando quel segnale finale scatta — se scatta — la matematica dei prezzi è semplice: il provider fissa il prezzo di listino, e una API di routing che trasmette i prezzi di listino del provider direttamente con margine 0% è ciò che mantiene quel prezzo attivo dalla tua parte lo stesso giorno, senza rinegoziazioni e senza un secondo contratto. Ma quel giorno non è ancora arrivato per LLaDA-Image-Turbo, e nulla in questo articolo dovrebbe essere letto come se lo fosse. Oggi il riepilogo onesto è breve: un laboratorio serio ha pubblicato in silenzio un modello open di immagini altrettanto serio, con una reale rivendicazione di qualità e diverse questioni irrisolte, e il modo più rapido per scoprire quali parti di quella rivendicazione sopravvivono al contatto con la realtà è eseguire tu stesso il checkpoint in quattro fasi.