跳转至

AI生图免训练提速1000%，办法：最简洁的“三阶段流水线”

Ch01.1386 AI生图免训练提速1000%，办法：最简洁的“三阶段流水线”

📊 Level ⭐⭐ | 3.5KB | entities/ai生图免训练提速1000办法最简洁的三阶段流水线.md

AI生图免训练提速1000%，办法：最简洁的“三阶段流水线”

AI生图免训练提速1000%，办法：最简洁的“三阶段流水线”

source: wechat source_url: https://mp.weixin.qq.com/s/auqVphW7fdjGWabJc73zxA ingested: 2026-07-08

source_published: 2026年7月8日 11:33

AI生图免训练提速1000%，办法：最简洁的“三阶段流水线”

MrFlow团队 投稿

量子位 | 公众号 QbitAI AI画图能力越来越强，但用户体感还是一个字：慢。

一张1024分辨率的图像，从prompt到出图，扩散模型往往得在高分辨率空间里一遍遍采样。质量是上来了，等待时间也跟着上来了。能力越强，推理账单越厚。 过往扩散模型的主流加速方法中，量化、高效Attention等方法强依赖于硬件协同；步数蒸馏依赖高成本微调，且训练时常不稳定；特征缓存类方法需要动态识别并缓存中间特征，且加速比难以超过5倍。 有没有可能不依赖特定硬件、不蒸馏微调模型、不需要运行时做动态识别，也能把图像生成速度直接抬上去？ 来自北航、NTU、ETH的研究团队最近做了一个非常简洁的尝试：

先低清打草稿，再放大，最后高清补一笔。 MrFlow （Multi-Resolution Flow Matching）就用这样的三阶段，在Qwen-Image等模型上把端到端生成时间从49.32s压到4.77s，实际加速10.35x。 文章发布当日即登上Hugging Face Daily Papers；发布三天内，GitHub已收获200+stars；目前也已登上Hugging Face Trending Papers。 与此同时，社区创作者们已经开始围绕MrFlow做尝试、讨论和扩展：

回到MrFlow本身，它为

→ 原文存档

第 2 Source — 量子位

From WeChat MP 量子位, supplemental coverage of the same topic.

-> 原文存档

关联