Mage-Flow - Le modèle de diffusion de Microsoft qui tourne sur Mac

Microsoft released Mage-Flow, a 4-billion-parameter image generation model that aims to match the quality of larger models while being smaller. The model uses a co-design approach with Mage-VAE, a latent tokenizer that requires 12 to 22 times less computation per pixel than FLUX.2's VAE at equivalent reconstruction quality, enabling high-resolution generation on consumer hardware like Macs.

Microsoft vient de publier Mage-Flow , un modèle de génération d'images de 4 milliards de paramètres, et dont l'objectif est d'atteindre la qualité des gros modèles sans en avoir la taille. Là où FLUX.2 embarque 32 milliards de paramètres, Qwen-Image 20 et Z-Image 6, Mage-Flow joue dans la même cour mais seulement avec 4 milliards de paramètres. Le pari de Microsoft, c'est ce qu'on appelle le co-design. Au lieu d'empiler les paramètres, Mage-Flow https://github.com/microsoft/Mage/tree/main/mage flow mise sur deux briques taillées ensemble. D'abord Mage-VAE, un tokenizer latent qui encode et décode les images avec 12 à 22 fois moins de calcul par pixel que le VAE de FLUX.2, à qualité de reconstruction équivalente. C'est ce qui débloque la haute résolution, habituellement le point où ces modèles s'étranglent.