LLaDA-Image-Turbo: Ant Group lặng lẽ phát hành trình tạo hình ảnh mã nguồn mở 4 bước

Vào ngày 4 tháng 9 năm 2026, phòng thí nghiệm mã nguồn mở inclusionAI của Tập đoàn Ant đã đưa các trọng số của LLaDA-Image-Turbo và LLaDA-Image lên Hugging Face mà không có bài đăng ra mắt, không có thông cáo báo chí, và — tính đến thời điểm viết bài này — không khai báo giấy phép trên bất kỳ kho lưu trữ nào trong bốn kho lưu trữ mà họ đã tạo. LLaDA-Image-Turbo là thành viên nhanh của bản phát hành đó: một checkpoint đã được chưng cất mà thẻ mô hình cho biết biến một lời nhắc hoặc chỉ thị chỉnh sửa thành ảnh 1024×1024 trong bốn bước lấy mẫu, so với năm mươi bước đối với mô hình LLaDA-Image Base mà nó được chưng cất từ đó. Điều khiến bản phát hành thầm lặng này đáng đọc là một dòng do nhà cung cấp báo cáo trong thẻ mô hình — tiên tiến nhất trong số các mô hình mã nguồn mở trên Qwen-Image-Bench — và điều khiến nó khó hành động là mọi thứ xung quanh dòng đó mà bản phát hành chưa nói rõ.

Đây là báo cáo ngày đầu, không phải bài đánh giá. Các mốc kiểm tra là thật và có thể tải về, mã suy luận dựa trên Diffusers chạy được từ kho lưu trữ được clone, và bài báo hỗ trợ, LLaDA-Image: Building Strong Image Generators with Fully Open Training Recipes, đã được đăng lên arXiv vào ngày 3 tháng 9 năm 2026. Nhưng không có thông báo nào từ inclusionAI hay từ Ant Group để đối chiếu, và tại thời điểm viết bài, kho lưu trữ LLaDA-Image-Turbo cho thấy hai lượt tải — theo mọi thước đo có thể thấy, chưa ai bên ngoài phòng thí nghiệm chạy nó. Mọi thứ bên dưới được phân chia tương ứng: các kho lưu trữ thực sự chứa gì, bài báo tuyên bố điều gì, và điều gì sẽ phải xảy ra trước khi LLaDA-Image-Turbo trở thành thứ mà một nhóm sản xuất nên đặt cược vào.

Những gì thực sự đã được phát hành

Bốn checkpoint đã được phát hành trên Hugging Face dưới tổ chức inclusionAI vào rạng sáng ngày 4 tháng 9 năm 2026 (UTC): LLaDA-Image — mô hình Base 50 bước ở định dạng BF16; LLaDA-Image-FP8; LLaDA-Image-Turbo — checkpoint nhanh đã được chưng cất ở định dạng BF16; và LLaDA-Image-Turbo-FP8. Dòng tin trên chính model card, đề ngày 2026-09-04, là toàn bộ thông báo chính thức: "Chúng tôi đã phát hành các checkpoint LLaDA-Image Base và Turbo cùng với mã nguồn suy luận." Một kho lưu trữ GitHub dưới cùng tổ chức đó chứa mã nguồn suy luận, và báo cáo trên arXiv đã xuất hiện một ngày trước đó.

Các kho lưu trữ không phải là mã giả. Mỗi kho Turbo chứa một pipeline Diffusers hoàn chỉnh — một bộ tạo diffusion-transformer được phân mảnh, một bộ mã hóa hình ảnh SigVQ, một bộ kết nối query-former, một bộ lập lịch, và một bộ mã hóa văn bản chín phân mảnh — vì vậy "mô hình" ở đây không phải là một cái tên giữ chỗ mà là hàng chục gigabyte trọng số có thể chạy được. Họ mô hình này được mô tả là một mô hình tạo và chỉnh sửa hình ảnh 6 tỷ tham số; hiểu theo nghĩa chặt chẽ, con số 6B là backbone diffusion-transformer được huấn luyện từ đầu, với mô-đun mô hình ngôn ngữ khuếch tán đông lạnh thuộc dòng LLaDA2 của phòng thí nghiệm (bộ mã hóa văn bản chín phân mảnh) bổ sung khả năng hiểu ngữ nghĩa ở lớp trên.

Tại sao phần bốn bước lại là tiêu đề

Đối với mô hình khuếch tán hình ảnh, chi phí chủ yếu nằm ở số bước lấy mẫu. Mỗi bước là một lần truyền toàn bộ qua mạng, vì vậy chênh lệch giữa mô hình năm mươi bước và mô hình bốn bước là khoảng một bậc độ lớn về chi phí tính toán cho mỗi hình ảnh, trước khi các yếu tố khác như độ phân giải, kích thước batch hay phần cứng được tính đến. Đó chính là toàn bộ ý nghĩa của dòng "Turbo" trong bản phát hành này. inclusionAI đã chưng cất LLaDA-Image thành LLaDA-Image-Turbo bằng kỹ thuật mà họ gọi là Twin-DMD, và checkpoint đã chưng cất chạy trong hai đến bốn bước, với bốn bước được khuyến nghị, ở hệ số hướng dẫn là 1.0 so với 5.0 của mô hình Base. Cùng một đối tượng pipeline, cùng một prompt, cùng đầu ra 1024×1024 — chỉ là một phần nhỏ số lần truyền khử nhiễu.

Điểm lưu ý này là điều chuẩn cho các mô hình hình ảnh được chưng cất, và ở đây nó rõ ràng hơn thường lệ: chưng cất đánh đổi một chút độ trung thực để lấy tốc độ, và inclusionAI đã không công bố bất kỳ số liệu benchmark nào cho LLaDA-Image-Turbo. Điểm Qwen-Image-Bench trong thẻ mô hình thuộc về checkpoint Base năm mươi bước. Vì vậy, khoảng cách chất lượng thực tế giữa LLaDA-Image-Turbo ở bốn bước và LLaDA-Image ở năm mươi bước không được nhà cung cấp định lượng và cũng chưa được ai khác kiểm thử — điều này khiến "Turbo" trở thành một tuyên bố về tốc độ mà bạn chỉ có thể xác minh bằng cách chạy nó.

Một điểm kiểm tra tạo và chỉnh sửa

Canh bạc kiến trúc đằng sau dòng sản phẩm này là sự hợp nhất. Một bộ trọng số duy nhất đảm nhiệm việc tạo ảnh từ văn bản, tạo ảnh có điều kiện VQ, chỉnh sửa ảnh dựa trên ảnh tham chiếu và kết xuất văn bản tiếng Trung–tiếng Anh — không cần một backbone chỉnh sửa riêng biệt, đó là lý do vì sao phần "chỉnh sửa" của bản phát hành không được cung cấp như một mô hình riêng. Ở chế độ chỉnh sửa, ảnh tham chiếu được dẫn đi vòng qua mô-đun ngôn ngữ và tiêm trực tiếp vào mô hình khuếch tán, trong khi mô-đun ngôn ngữ chỉ xử lý mỗi câu lệnh; thẻ sản phẩm tuyên bố khả năng giữ nguyên nội dung trung thực đi kèm thay đổi thị giác chính xác, cùng khả năng tạo ảnh chân thực như ảnh chụp và văn bản sạch, rõ ràng trên cả hai ngôn ngữ.

{{1}}Hai chi tiết kỹ thuật đáng ghi nhận ngay từ ngày đầu tiên.{{/1}} {{2}}Bộ sinh là một diffusion transformer 6B được huấn luyện từ đầu với RMSNorm không tham số và bộ tối ưu Muon — những chi tiết mà bài báo trình bày cặn kẽ thay vì lướt qua.{{/2}} Và {{3}}câu chuyện huấn luyện mà bài báo kể là sự đảo ngược có chủ đích so với công thức ảnh–văn bản thông thường{{/3}}: {{4}}trước hết, các giai đoạn tiền huấn luyện và huấn luyện trung gian chỉ dùng hình ảnh xây dựng một tiền nghiệm thị giác vững chắc, và chỉ sau đó phòng thí nghiệm mới đưa vào giám sát ngôn ngữ theo cặp và huấn luyện kết hợp sinh–chỉnh sửa.{{/4}} {{5}}Thứ tự đó{{/5}} — cùng với cụm {{6}}“Fully Open Training Recipes”{{/6}} trong tựa đề bài báo — chính là điểm hấp dẫn của nghiên cứu. Hãy lưu ý {{7}}khoảng cách giữa cách bài báo trình bày và kế hoạch phát hành của Hugging Face{{/7}}: {{8}}trọng số và mã nguồn suy luận đã hoàn tất, nhưng mã nguồn huấn luyện vẫn được đánh dấu là “coming soon.”{{/8}}

Đọc tuyên bố 53.53 / 53.38

Con số sẽ được lan truyền chính là dòng benchmark: trên Qwen-Image-Bench — một benchmark text-to-image với hai nhánh riêng biệt là tiếng Anh và tiếng Trung — inclusionAI báo cáo LLaDA-Image đạt 53.53 điểm tổng thể ở nhánh tiếng Anh và 53.38 ở nhánh tiếng Trung, điều mà họ gọi là trạng thái state-of-the-art mới trong số các mô hình mã nguồn mở trên cả hai nhánh. Đọc kỹ một chút, ba giới hạn hiện ra. Số liệu này do nhà cung cấp tự báo cáo, dựa trên đánh giá của chính phòng thí nghiệm, và chưa được tái lập ở bất kỳ đâu. Nó thuộc về mô hình LLaDA-Image Base 50 bước, không phải LLaDA-Image-Turbo — checkpoint mà bản phát hành lần này danh nghĩa xoay quanh. Và "state-of-the-art mã nguồn mở" là một hạng mục thay đổi hàng tháng — đó là khẳng định về vị trí của mô hình so với các đối thủ mở, không phải khẳng định về frontier đóng.

Điều mà con số thực sự cho bạn thấy chính là lý do vì sao dòng mô hình này tồn tại. Một mô hình chuyển văn bản thành hình ảnh và chỉnh sửa ảnh song ngữ Trung-Anh, dẫn đầu một bảng xếp hạng mở ở cả hai hạng mục, nhắm thẳng vào thị trường mô hình tạo ảnh mở đang biến động nhanh — cũng chính là phân khúc mà các checkpoint thuộc dòng Qwen-Image cùng một dòng chảy ổn định các trọng số mở (open weights) khác đã và đang dẫn dắt nhịp độ. Nếu LLaDA-Image-Turbo tái tạo được phần lớn chất lượng của mô hình Base chỉ trong bốn bước, nó sẽ trở thành một trong những mô hình tạo ảnh mở có chi phí vận hành rẻ nhất mà vẫn có cơ sở khẳng định chất lượng đáng tin cậy. Từ "If" đang gánh trọn ý nghĩa trong câu đó.

Những khoảng trống khiến một con tàu thầm lặng không thể trở thành một đợt hạ thủy.

• Một thông báo. Dòng 2026-09-04 trên model card là tuyên bố duy nhất từ nhà cung cấp. Không có bài đăng blog nào từ inclusionAI, không có thông cáo nào từ Ant Group, không có bài đăng mạng xã hội, không có báo chí đưa tin ngoài các trang tổng hợp — điều này tự nó là một tín hiệu đáng tôn trọng hơn là che đậy.

• Giấy phép. Không có kho lưu trữ nào trong bốn kho Hugging Face mang nhãn giấy phép, và kho GitHub không có tệp LICENSE — chỉ có một ghi chú song ngữ LEGAL.md cho biết các bình luận tiếng Trung trong mã nguồn có giá trị cao hơn các bản dịch. Bạn không thể giả định quyền thương mại đối với các trọng số khi không có giấy phép được công bố, bất kể tiêu đề bài báo nghe có vẻ "mở" đến mức nào. Đối với bất kỳ ai sử dụng cho mục đích thương mại, đây là câu hỏi đầu tiên và hiện tại vẫn chưa có lời giải đáp.

• Số liệu Turbo. Không có số liệu benchmark, độ trễ hoặc chất lượng nào được công bố riêng cho LLaDA-Image-Turbo. Bảng xếp hạng trên là của mô hình Base; checkpoint đã chưng cất chỉ là một tuyên bố chưa được định lượng cho đến khi nhà cung cấp hoặc một lần chạy độc lập bổ sung số liệu.

• Kiểm chứng độc lập và truy cập qua dịch vụ lưu trữ. Lượt tải và lượt thích mới chỉ ở mức một chữ số, chưa có sự tái lập độc lập nào, và chưa có nhà cung cấp suy luận nào mà chúng tôi tìm thấy — kể cả OrcaRouter — phục vụ mô hình này. Hiện tại, mô hình chỉ là các bộ trọng số trên Hugging Face, không có gì hơn.

Làm gì với một con tàu yên tĩnh mới một ngày tuổi

Nếu bạn là một nhà nghiên cứu hoặc một nhóm tự lưu trữ, đây là bản phát hành đáng để clone và chạy ngay trong tuần này: trọng số mở, một pipeline Diffusers duy nhất, hai biến thể BF16 và FP8 để đánh đổi bộ nhớ lấy chất lượng, cùng một bài báo mô tả cách mô hình được huấn luyện ngay cả trước khi mã huấn luyện được phát hành. Nếu mục đích sử dụng của bạn là thương mại, khoảng trống về giấy phép cần được xem xét trước tiên — một mô hình tạo ảnh bốn bước với tuyên bố chất lượng có vẻ hợp lý không đáng để chấp nhận rủi ro pháp lý, và hành động có trách nhiệm là tự đánh giá trên GPU của bạn và chờ dòng giấy phép được làm rõ trước khi đưa nó vào bất kỳ sản phẩm nào.

Bốn điều sẽ biến con tàu trầm lặng này thành một bệ phóng đáng để xây dựng, và tính đến ngày 4 tháng 9 năm 2026, chưa có điều nào xảy ra:

Một thông báo chính thức từ inclusionAI hoặc Ant Group, nêu tên dòng mô hình và các thuật ngữ của nó.

• Một giấy phép được khai báo trên các kho lưu trữ — Apache-2.0 sẽ phù hợp với thông lệ open-weights rộng rãi hơn của phòng thí nghiệm và loại bỏ rào cản thương mại.

• Điểm số LLaDA-Image-Turbo đã công bố, hoặc kết quả tái tạo độc lập của mô hình Base trên Qwen-Image-Bench.

• Một nhà cung cấp được lưu trữ tiếp nhận nó, đây cũng là thời điểm mô hình có được mức giá trên mỗi hình ảnh và trở thành thứ mà một API định tuyến có thể trao cho bạn chỉ trong một lần gọi.

Khi tín hiệu cuối cùng đó phát ra — nếu nó phát ra — bài toán giá trở nên đơn giản: nhà cung cấp đặt giá niêm yết, và một API định tuyến — thứ chuyển thẳng giá niêm yết của nhà cung cấp với mức chênh lệch 0% — chính là điều giữ cho mức giá đó có hiệu lực phía bạn ngay trong ngày, không cần đàm phán lại, không cần hợp đồng thứ hai. Nhưng ngày đó chưa đến với LLaDA-Image-Turbo, và không có gì trong bài viết này nên được hiểu như thể ngày đó đã đến. Hôm nay, bản tổng kết trung thực rất ngắn: một phòng thí nghiệm nghiêm túc đã lặng lẽ phát hành một mô hình tạo ảnh mở nghiêm túc với một tuyên bố chất lượng thật sự cùng một vài câu hỏi chưa được giải đáp, và cách nhanh nhất để biết phần nào của tuyên bố đó sống sót khi đối mặt với thực tế là tự tay chạy quy trình kiểm tra bốn bước.