字節跳動發佈Infinity：自迴歸文生圖新突破，性能超越擴散模型

在人工智能領域，字節跳動商業化技術團隊的最新成果Infinity模型，以其卓越的性能和創新的技術，成爲自迴歸文生圖領域的新王者。這款新開源的模型不僅在圖像生成質量上超越了Stable Diffusion3，還在推理速度上展現了顯著優勢。

Infinity模型的核心創新在於採用了Bitwise Token的自迴歸框架，這一框架通過預測下一級分辨率的+1或-1構成的細粒度“Bitwise Token”，顯著提升了模型對高頻信號的捕捉能力，從而生成細節更加豐富的圖像。此外，Infinity模型將詞表擴展到無窮大，極大地增強了Image tokenizer的表示空間，提高了自迴歸文生圖的性能上限。

在性能對比中，Infinity模型在自迴歸方法中表現突出，遠超HART、LlamaGen、Emu3等方法，並在人類評測中以接近90%的勝率擊敗了HART模型。同時，Infinity也以75%、80%、65%的勝率擊敗了SOTA的擴散模型如PixArt-Sigma、SD-XL、SD3-Meidum等，證明了其在同尺寸模型中的優勢。

Infinity模型的另一大特點是其良好的scaling特性。隨着模型大小的增加和訓練資源的投入，驗證集損失穩步下降，驗證集準確率穩定提升。此外，Infinity還提出了比特自我矯正技術，增強了模型的自我矯正能力，緩解了自迴歸推理時的累計誤差問題。

在推理速度上，Infinity繼承了VAR的速度優勢，2B模型生成1024x1024的圖像僅需0.8秒，比同尺寸的SD3-Medium快3倍，比12B的Flux Dev快14倍。8B模型比同尺寸的SD3.5快7倍，20B模型生成1024x1024的圖像用時3秒，比12B的Flux Dev快近4倍。

目前，Infinity模型的訓練和推理代碼、demo、模型權重已在GitHub倉庫上線，同時提供了網站體驗，方便用戶試用和評估模型效果。

項目頁:https://foundationvision.github.io/infinity.project/