HiDream 发布原生像素级统一图像生成模型
推荐指数 76.0 NO. 004 · 2026.05.15
likes320downloads9,858
为什么值得看
HiDream-O1-Image 基于 Pixel-level Unified Transformer (UiT)，无需外部 VAE 和独立文本编码器，将原始像素、文本和任务条件统一编码到共享 token 空间。对 AI 工程师意味着图像生成 pipeline 可以大幅简化，单模型支持文生图、编辑、个性化到 2K 分辨率。
媒体预览
编辑判断
当前主流的 Stable Diffusion 和 Flux 管线都依赖外部 VAE 做像素压缩、再用 CLIP/T5 做文本编码，模块间信息损失和延迟是老大难问题。HiDream 的 UiT 思路是把一切压进同一个 token 空间，类似 LLM 里统一模态的方向，但图像领域做到原生 2K 像素级还是头一个。
跟 Flux 比，HiDream 的卖点不是单点效果而是架构简洁性，如果推理速度能优化到生产可用，做实时编辑和个性化产品的团队可以省掉大量 pipeline 维护成本。目前 9858 次下载说明早期采用者已经在试了，建议关注其推理延迟和显存占用的实测数据，这决定了能不能替代现有方案。