LLaDA-Image-Turbo：蚂蚁集团悄然推出4步开源图像生成器

2026年9月4日，蚂蚁集团开源实验室inclusionAI将LLaDA-Image-Turbo和LLaDA-Image的权重上传至Hugging Face，没有发布公告，没有新闻稿，而且——截至撰写本文时——在其创建的四个仓库中均未声明许可证。LLaDA-Image-Turbo是该版本中的快速成员：模型卡显示，这个蒸馏检查点只需四步采样即可将提示词或编辑指令转换为1024×1024的图像，而其蒸馏来源的LLaDA-Image基础模型则需要五十步。这次低调发布之所以值得关注，是因为模型卡中有一行由厂商报告的数据——在Qwen-Image-Bench上达到开源模型中的最先进水平——而之所以难以据此采取行动，则是因为该行数据周围的一切信息，此次发布都尚未说明。

这是一份“发布首日”报告，不是评测。检查点文件真实存在且可下载；基于 Diffusers 的推理代码运行于克隆下来的代码仓库；配套论文《LLaDA-Image: Building Strong Image Generators with Fully Open Training Recipes》已于 2026 年 9 月 3 日上传至 arXiv。但目前没有 inclusionAI 或蚂蚁集团（Ant Group）的官方公告可供交叉核对；而且截至撰稿时，LLaDA-Image-Turbo 仓库仅显示两次下载——从任何可见的指标来看，实验室之外还没有人真正运行过它。下文因此相应分成三部分：各仓库实际包含什么、论文声称了什么、以及 LLaDA-Image-Turbo 要具备哪些条件，生产团队才值得押注。

实际发布的内容

2026年9月4日凌晨（UTC），inclusionAI 组织下共有四个检查点在 Hugging Face 上线：LLaDA-Image，即 BF16 格式的五十步 Base 模型；LLaDA-Image-FP8；LLaDA-Image-Turbo，即 BF16 格式的蒸馏快速检查点；以及 LLaDA-Image-Turbo-FP8。模型卡片自带的新闻栏日期为 2026-09-04，里面写的就是全部正式公告：“我们发布了 LLaDA-Image Base 和 Turbo 检查点，以及推理代码。”同一组织下的 GitHub 仓库包含推理代码，arXiv 报告则在前一天发布。

这些仓库并非存根。每个Turbo仓库都包含一条完整的Diffusers流水线——一个分片的扩散Transformer生成器、一个SigVQ图像分词器、一个query-former连接器、一个调度器，以及一个九分片文本编码器——所以这里的“模型”并不是一个占位名称，而是数十GB可运行的权重。该系列被描述为一个60亿参数量的图像生成与编辑模型；严格来说，这个6B数字指的是从零开始训练的扩散Transformer主干，而来自该实验室LLaDA2产品线的一个冻结扩散语言模型模块（即九分片文本编码器）则在其上增添理解能力。

为什么四步部分是标题

对于图像扩散模型，成本主要在于采样步数。每一步都是对网络的完整一次前向传播，因此在考虑任何其他因素——分辨率、批大小、硬件——之前，五十步模型与四步模型之间的每图像计算量就大约相差一个数量级。这正是本次发布中“Turbo”系列的全部意义所在。inclusionAI 使用一种名为 Twin-DMD 的技术将 LLaDA-Image 蒸馏为 LLaDA-Image-Turbo，蒸馏后的检查点只需两到四步即可运行，其中推荐四步，引导尺度为 1.0，而 Base 模型为 5.0。相同的流水线对象、相同的提示词、相同的 1024×1024 输出——去噪步数却只有一小部分。

蒸馏图像模型通常都带有这样一个告诫，而在这里它比往常更加尖锐：蒸馏以少量保真度换取速度，而 inclusionAI 根本没有公布 LLaDA-Image-Turbo 的任何基准测试数据。模型卡中的 Qwen-Image-Bench 分数属于五十步的 Base 检查点。因此，四步的 LLaDA-Image-Turbo 与五十步的 LLaDA-Image 之间的实际质量差距，既未由供应商量化，也尚未经过任何其他人的测试——这使得“Turbo”成为一个只有实际运行才能验证的速度声明。

一个能够生成和编辑的检查点

这一模型系列背后的架构押注在于统一化。一组统一的权重即可完成文生图、VQ条件生成、参考图编辑及中英文文本渲染——无需独立的编辑骨干网络，也因此本次发布中的"编辑"部分并未作为独立模型推出。在编辑模式下，参考图像绕过语言模块，直接注入扩散模型，而语言模块仅处理指令；模型卡声称能够在忠实保留内容的同时实现精准的视觉改动，并兼顾照片级真实感生成与中英两种语言下排版清晰的文本。

有两个技术细节，哪怕第一天接触也值得留意。该生成器是一个从零开始训练的 6B 扩散 Transformer，使用无参数的 RMSNorm 和 Muon 优化器——对于这些细节，论文是认真交代，而非一笔带过。论文中的训练故事则是对常见图文配方的刻意反转：先进行仅含图像的预训练和中期训练，构建强大的视觉先验，随后实验室才引入配对的语言监督，以及生成与编辑的联合训练。正是这种先后顺序，连同论文标题中的“Fully Open Training Recipes”，构成了这项研究的真正钩子。还要注意论文框架与 Hugging Face 发布计划之间的落差：权重和推理代码已勾选落地，但训练代码仍标注为“即将推出”。

阅读53.53 / 53.38的说法

将会流传开来的数字是基准线：在Qwen-Image-Bench（一个分设英文与中文轨道的文生图基准）上，inclusionAI报告LLaDA-Image在英文轨道综合得分53.53，在中文轨道得分53.38，并称其在两个轨道上都达到了开源模型的新最先进水平。仔细解读，三个局限便浮现出来。首先，这是供应商自行报告的，基于实验室自己的评估，尚未在任何地方得到复现。其次，该成绩属于五十步的LLaDA-Image Base模型，而非LLaDA-Image-Turbo——后者才是此次发布名义上的检查点。再者，"开源最先进"是一个每月都在移动的类别——它只是关于该模型在开放同类中所处位置的论断，而非针对闭源前沿的论断。

这张图告诉你的是这个家族为何存在。一个在开放基准测试的两条赛道上都位居榜首的中英双语文生图与图像编辑模型，瞄准的正是快速迭代的开放图像模型市场——也正是 Qwen-Image 家族的检查点以及源源不断的其他开放权重一直在此定下节奏的同一市场。如果 LLaDA-Image-Turbo 能以四步采样再现 Base 模型的大部分质量，它将成为运行成本最低、且背后有可信质量背书的开放图像模型之一。这句话的分量，全在“如果”二字上。

让一艘安静的船无法成为汽艇的差距

一则公告。模型卡上2026-09-04那一行是厂商唯一的声明。没有inclusionAI的博客文章，没有Ant Group的发布，没有社交媒体帖子，也没有聚合器之外的媒体报道——这本身就是一个值得正视而非掩盖的信号。

• 许可证。四个 Hugging Face 仓库中没有一个带有许可证标签，GitHub 仓库中也没有 LICENSE 文件——只有一份 LEGAL.md 双语说明，称代码中的中文注释优先于翻译后的注释。对于没有声明许可证的权重，你不能假定拥有商业使用权，无论论文标题听起来有多"开放"。对于任何商业用途的人来说，这是首要问题，而目前这个问题尚无答案。

• Turbo 指标。LLaDA-Image-Turbo 目前没有发布任何具体的基准测试、延迟或质量数据。上方的排行榜属于 Base 模型；在供应商或独立运行补齐数据之前，蒸馏检查点仍是一个未经量化的声明。

• 独立验证与托管访问。下载量和点赞数都停留在个位数，没有出现任何独立的复现结果；我们也找不到任何推理服务商——包括 OrcaRouter——已提供该模型的推理服务。如今，它只是 Hugging Face 上的一组权重，仅此而已。

一艘刚一天大的安静船该怎么处理？

如果您是研究人员或自行托管的团队，本周值得克隆并运行这个版本：开放权重、一个 Diffusers 流水线、用于在内存与质量之间权衡的 BF16 和 FP8 变体，以及一篇在训练代码发布之前就说明训练方式的论文。如果您的用途是商业性的，许可证的缺口首先需要考量——一个声称质量尚可的四步图像模型不值得冒法律风险，负责任的作法是在自己的 GPU 上进行评估，并在将其投入任何产品之前等待许可证条款明确。

有四件事本可让这次低调发布成为能承载后续发展的坚实起点，但截至2026年9月4日，没有一件发生：

• 来自 inclusionAI 或 Ant Group 的真实公告，指明该系列及其条款。

• 在代码仓库中声明许可证——Apache-2.0 与该实验室更广泛的开放权重实践相符，并能消除商业用途方面的阻碍。

• 发布LLaDA-Image-Turbo的分数，或独立复现Base模型在Qwen-Image-Bench上的结果。

• 托管提供商将其纳入，此时模型也获得了每张图像的价格，并成为路由 API 一次调用即可提供给你的内容。

当那最后的信号触发时——如果它真的触发——定价逻辑很简单：提供商设定标价，而一个以0%加价率将提供商标价直接透传的路由API，正是让该价格当天就在你这边实时生效的关键，无需重新谈判，也无需第二份合同。但对LLaDA-Image-Turbo来说，那一天尚未到来，本文中任何内容也不应被解读成它已经到来。今天，诚实的总结很短：一家严谨的实验室悄然发布了一个严肃的开放图像模型，带有一项真实的质量声明和几个悬而未决的问题；要想弄清这项声明中哪些部分经得起现实的检验，最快的办法就是亲自运行那四步检查点。