Infer News

三圖看清 TPU Vs NVIDIA

  • Google 把 TPU 和光學交換 (OCS)、資料中心網路一起設計，TPU Pod / AI Hypercomputer 可以提供極高的叢集帶寬與低延遲通訊，對大模型分布式訓練與推論特別有利。​​
  • 這種「晶片＋網路＋機架一體設計」降低了多機同步開銷，使得在數千顆 TPU 上做 data / model parallel 相對簡化，對超大規模模型（Gemini 級別）非常關鍵。
Categories: Google, NVIDIA

Canvas-to-Image 自由組合多種控制

Canvas-to-Image 是個統一的框架，它將構圖控制整合到一個單一的介面中。能夠將主體、邊界框和姿態骨架在內的各種控制訊號編碼到一個單一的合成影像中，模型可以直接解讀該影像以進行整合的視覺空間推理。(未見源碼)

Categories: 影像處理

ComfyUI 版 Z-Image

Z Image Turbo 支持 ComfyUI，它採用 qwen_3_4b.safetensors 的 Text encoder 及 Flux 1 VAE 。

Z-Image 是一款功能強大且高效的影像生成模型，擁有60 億個參數。目前共有三個版本：

🚀 Z-Image-Turbo – Z-Image 的精簡版，僅需8 次函數評估 (NFE)，即可達到甚至超越領先競爭對手的性能。它在企業級 H800 GPU 上可實現⚡️亞秒級推理延遲⚡️，並能輕鬆適配16G 顯存的消費級設備。它在照片級圖像生成、雙語文字渲染（中英文）以及強大的指令執行能力方面表現卓越。

🧱 Z-Image-Base – 未經精簡的基礎模型。透過發布此版本，我們旨在充分釋放社群驅動的微調和自訂開發的潛力。

✍️ Z-Image-Edit – Z-Image 的一個衍生版本，專為影像編輯任務而最佳化。它支援創意圖像到圖像的生成，並具備強大的指令跟隨功能，允許根據自然語言提示進行精確編輯。

Flux 2 Was Too Heavy… But Z-Image FIXED Everything — Smaller • Faster • More Realistic!
Categories: 開源, 阿里巴巴, 影像模型
Page 1 of 58
1 2 3 … 58