【免费下载链接】Infinity
Infinity 是字节跳动开源的自回归（AutoRegressive）文生图模型，通过"位级（Bitwise）建模 + 无限词表"的路线，在 GenEval 上把分数从 SD3-Medium 的 0.62 提升到 0.73，ImageReward 从 0.87 提升到 0.96，并在 0.8 秒内生成 1024×1024 图片——比 SD3-Medium 快 2.6 倍，是迄今最快的文生图模型之一。🚀
当前仓库是 Infinity 的官方权重托管仓库，包含 125M、2B、8B 三个规格的模型权重和 6 种 VAE 权重，本文带你一文看懂它凭什么是自回归文生图的标杆。
自回归文生图是什么？和扩散模型差在哪？
先给新手补个背景：
- 扩散模型（Diffusion）：如 SDXL、SD3-Medium，把图片加噪再逐步"去噪"还原，需要几十步迭代，天然偏慢；
- 自回归模型（AutoRegressive）：像写文字一样"一个 token 接一个 token"地把图片序列逐个预测出来，结构上更接近大语言模型（LLM）。
传统自回归图像模型（如 VAR、MAR）受制于词表大小——词表越大，分类头计算量爆炸，很难规模化。Infinity 的做法是Bitwise（逐位）预测：不再从有限词表里挑一个 token，而是直接预测每个 token 的二进制位，配合"bitwise self-correction"（位级自校正），把词表理论上扩展到无限大，从而让 Transformer 可以跟着无限 scale。📈
硬指标对比：GenEval 0.73 和 ImageReward 0.96 有多强？
根据 README.md 中的官方数据，Infinity 与两大主流文生图模型的对比如下：
| 模型 | GenEval（越高越好） | ImageReward（越高越好） | 相对 Infinity 胜率 |
|---|---|---|---|
| Infinity（8B） | 0.73 | 0.96 | — |
| SD3-Medium | 0.62 | 0.87 | 34% |
| SDXL | 落后 | 落后 | 落后 |
几个值得记住的结论：
- GenEval 考察的是文本对齐与物体计数、位置关系等组合能力，Infinity 比 SD3-Medium 高出 0.11，刷新自回归文生图纪录；
- ImageReward 综合人评偏好，0.96 意味着生成图的整体观感已超越同梯队扩散模型；
- 速度：无额外优化下 0.8 秒生成一张 1024×1024 图片，比 SD3-Medium 快 2.6 倍，对实时预览、批量出图场景意义重大。
一句话总结：质量打赢 SD3-Medium，速度打赢所有对手。
权重清单：125M 到 8B，总有一款适合你
本仓库托管了完整的 Infinity 检查点，按"小模型 → 旗舰模型 → VAE"三档组织：
1️⃣ 模型主权重（不同规模/分辨率）
| 规格 | 文件 | 说明 |
|---|---|---|
| 125M @ 256×256 | infinity_125M_256x256.pth | 入门/教学用轻量版 |
| 2B（regularized） | infinity_2b_reg.pth | 中等规模版本 |
| 8B @ 512×512 | infinity_8b_512x512_weights/ | 512 分辨率 8B 权重（8 个分片） |
| 8B 旗舰版 | infinity_8b_weights/ | 1024×1024 主力模型（4 个分片） |
以旗舰 8B 为例，从 model.safetensors.index.json 可以看到：
- 总参数体量约 33.5 GB（bf16 下约 81 亿参数）；
- 主干由 8 个 block（
block_chunks.0~block_chunks.7）堆叠，每个 block 内含自注意力（sa）、交叉注意力（ca）和 FFN 三层结构——典型的"文本 → 图像 token"自回归 Transformer 设计； - 索引文件里还能找到
word_embed（词嵌入）、head（输出头）、cfg_uncond（Classifier-Free Guidance 用的无条件嵌入）等自回归文生图模型的标志性组件。
💡 小仓库说明：仓库中部分大文件当前以 Git LFS 指针形式存在，完整二进制权重请以下载后实际文件大小为准。
2️⃣ VAE 权重（不同下采样/正则化方案）
Infinity 配套了 6 种 VAE，覆盖不同压缩率和正则化策略，研究者可按实验需要选择：
- infinity_vae_d16.pth
- infinity_vae_d24.pth
- infinity_vae_d32.pth
- infinity_vae_d32reg.pth（正则化版）
- infinity_vae_d56_f8_14_patchify.pth
- infinity_vae_d64.pth
此外，仓库根目录的 config.json 仅用于声明仓库名称 Infinity，方便权重平台识别。
如何获取 Infinity 权重？
本仓库专注权重托管，推理与训练代码在官方代码仓库中维护。下载全部权重只需一条命令：
git clone https://gitcode.com/hf_mirrors/FoundationVision/Infinity
克隆完成后，建议优先使用 8B 旗舰版（infinity_8b_weights/）体验 1024×1024 的生成效果；显存有限时，可先用 infinity_125M_256x256.pth 打通整个推理流程。⚡
谁该关注 Infinity？选型建议
- 想体验"LLM 式"生成图片的研究者：Bitwise 无限词表是目前自回归图像生成中最激进的 scaling 路线，值得深入复现；
- 追求极速出图的工程团队：0.8 秒/张的速度在实时预览、交互式生成场景几乎无对手；
- 扩散模型重度用户：如果你已经在用 SDXL / SD3 生态，Infinity 提供了"同样画质、更快速度"的替代选项，尤其是 GenEval 这类组合生成任务上表现更稳。
写在最后
Infinity 用位级自回归 + 无限词表证明了：文生图赛道不再只有扩散模型一条路。GenEval 0.73、ImageReward 0.96、2.6 倍速——三个数字背后，是自回归范式第一次在质量和速度上同时登顶。想亲手验证？克隆仓库、加载 8B 权重，一张 1024×1024 的图片 0.8 秒就会出现在你屏幕上。🎨
【免费下载链接】Infinity
创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
