开发者 lodestones 近期宣布，基于 FLUX.1-schnell 构建的 8.9 亿参数生成模型 Chroma 已完成全部基础训练，正式开放供开发者与研究者使用。作为完全遵循 Apache 2.0 许可证的开源模型，Chroma 最大特点是“无美学调整、无后训练限制”，以原始、中立的基础模型形态，为后续微调提供灵活起点。
此次发布不仅包含面向实际应用的“发布分支”，还推出探索技术边界的“研究分支”，同时背后投入的 10.5 万 H100 GPU 小时计算量，也确保了模型的数据分布覆盖度与微调易用性。
Chroma 模型的核心定位——“无修饰的基础模型”
要理解 Chroma 的独特性，需先厘清其“基础模型”的本质——与市面上常见的“美学优化模型”不同，它拒绝任何偏向性调整，专注于成为“通用微调起点”，具体定位可从三方面解读：
1. 核心属性：原始、中立，无任何“定向优化”
- 无美学调整：未针对特定风格（如动漫、写实、插画）进行优化，避免模型“偏科”——例如不会因训练数据倾向“写实照片”，而难以生成抽象艺术；
- 无后训练技术：未使用 DPO（直接偏好优化）等技术，这类技术虽能让模型遵循特定审美偏好，但会“压缩变异性”（教模型“什么好、什么坏”），导致创作多样性受限；
- 纯基础能力：专注于“模式覆盖”——通过海量数据学习所有可能的风格、概念、对象分布，就像一块“多功能黏土”，开发者可根据需求塑造成任何形态，而非预先定型的“成品雕塑”。
2. 技术基础：基于 FLUX.1-schnell，8.9 亿参数平衡性能与效率
Chroma 以 FLUX.1-schnell（一款以“生成速度快、细节还原准”著称的模型）为基础框架，参数规模设定为 8.9 亿——这一规模既避免了“小参数模型能力不足”的问题，又不会像“百亿参数模型”那样，对微调设备（如开发者的消费级 GPU）要求过高，兼顾了“性能覆盖度”与“微调易用性”。
3. 开源保障：Apache 2.0 许可证，无任何商用或研究限制
完全遵循 Apache 2.0 许可证意味着：
- 开发者可自由用于商业项目（如开发图像生成工具、定制化内容创作平台），无需支付授权费；
- 可无限制修改、二次分发模型（如基于 Chroma 微调后，将新模型开源或闭源）；
- 研究机构可自由用于技术探索（如测试新的微调方法、优化生成效率），无数据或使用范围约束。
模型家族拆解：4 大分支，覆盖“实际应用”与“技术研究”
此次发布的 Chroma 家族分为“发布分支”（面向实际开发）与“研究分支”（面向技术探索），4 个分支各有明确定位，开发者可按需选择：
| 分支名称 | 核心特性 | 适用场景 | 关键优势 |
|---|---|---|---|
| Chroma1-Base（发布分支） | 512x512 基础分辨率，原始基础模型 | 几乎所有创意项目（如海报设计、短视频素材生成）；计划进行长期微调后，再针对性训练高分辨率的场景 | 全能性强，微调起点中立，适合需要“全风格覆盖”的开发需求 |
| Chroma1-HD（发布分支） | 基于 Base 微调，支持 1024x1024 高分辨率 | 快速微调、LoRA 训练（如定制品牌风格的高分辨率banner、产品渲染图） | 无需额外训练高分辨率模块，直接输出高清结果，节省微调时间 |
| Chroma1-Flash（研究分支） | 基于 Base 优化，探索“快速推理”能力 | 对生成速度有要求的场景（如实时图像生成工具、低性能设备适配） | 无需 GAN 技术即可提升速度，差量权重可叠加到其他 Chroma 版本，灵活调整加速强度 |
| Chroma1-Radiance（研究分支，开发中） | 像素空间端到端模型，移除 VAE 模块 | 对细节保真度要求极高的场景（如医疗图像生成、高精度产品设计图） | 避免 VAE 压缩导致的细节丢失（如模糊的眼睛、残缺的纹理），计算成本与潜在空间模型一致 |
技术理念：为什么 Chroma 拒绝美学调整与 GAN 技术？
开发者 lodestones 在公告中详细解释了模型设计背后的技术取舍，核心是“追求灵活性、可重复性与细节保真度”，具体可拆解为两点：
1. 拒绝美学调整与 DPO：为了“创作自由”，避免模型“偏科”
- 美学调整的局限：美学优化后的模型（如专门训练的“动漫模型”）虽在特定领域表现好，但会失去多样性——例如难以生成“动漫+写实混合风格”，且二次微调成本高（需覆盖原有定向训练的影响）；
- DPO 技术的问题：DPO 通过“偏好数据”让模型贴合特定审美，但本质是“压缩数据分布”——模型会优先生成“被判定为好”的内容，抑制小众风格或创新表达，而 Chroma 希望提供“无偏向的起点”，让开发者自由定义审美方向。
用 lodestones 的比喻来说：“基础模型是一块巨大的黏土，美学模型是已经塑造成特定形状的成品；我提供黏土，是因为开发者可能想捏出雕塑、杯子或玩偶，而不是只能接受我预先做好的样子。”
2. 规避 GAN 技术：为了“稳定可重复”，拒绝“赌博式训练”
GAN（生成对抗网络）是传统提升生成速度与细节的技术，但 lodestones 认为其存在两大核心问题，因此在 Chroma 中规避使用：
- 训练不稳定：GAN 依赖“生成器”与“判别器”的“最小-最大博弈”——若判别器过强，生成器无法学习；若生成器过强，会停止改进，训练过程常处于“剧烈震荡”状态，难以稳定收敛，且结果不可重复（同一参数可能训练出完全不同的模型）；
- 模式崩塌：生成器可能发现“单一成功模式”（如某类图像总能骗过判别器），进而反复生成同类内容，丢失数据分布的多样性——例如生成“人物肖像”时，所有人物都呈现相似的五官或表情。
Chroma 的研究分支正是对 GAN 替代方案的探索：Flash 分支尝试“非 GAN 加速”，Radiance 分支则通过“移除 VAE（需配合 GAN 训练的模块）”，从根本上规避 GAN 依赖，同时追求“端到端像素生成”的细节优势。
未来规划：从模型迭代到社区共建，开源生态的长期设想
尽管 Chroma 已完成基础训练，但开发者也提及了后续方向，核心是“依赖社区支持，扩展开源模型版图”：
1. 模型迭代：优先完善研究分支，探索端到端生成
- Chroma1-Radiance 收尾：目前处于开发中的 Radiance 分支（像素空间模型）将继续优化，目标是解决“VAE 伪影”问题——例如图像中模糊的细节、色彩偏差，未来正式发布后，将成为“高精度生成”场景的重要选项；
- Flash 分支优化：计划基于社区反馈，调整 Flash 分支的加速参数，在“速度”与“细节保真度”间找到更优平衡，让低性能设备也能流畅运行。
2. 社区共建：呼吁资源支持，拓展更多开源模型
lodestones 提到，训练 Chroma 已消耗约 10.5 万 H100 GPU 小时（计算成本极高），独自承担其他大模型（如 Qwen、WAN）的开源训练已无可能，因此提出社区共建设想：
- 希望通过社区支持（如资金捐赠、算力贡献），建立“专用训练设备”，为更多模型提供开源训练资源；
- 例如计划探索 Qwen 模型的“参数裁剪”——理论上可裁剪 60 亿参数而不影响性能，若能实现，将大幅降低 Qwen 的微调与推理门槛。
© 版权声明
文章版权归作者所有，未经允许请勿转载。
相关文章
暂无评论...
