LLaDA-Image 是蚂蚁集团 inclusionAI 开源的一款全栈图像生成与编辑大模型系统，版本号 v1.0.0，基于 60 亿参数 Diffusion Transformer 架构，以 90% 纯图片监督训练打破常规文生图预训练定式。
在 Qwen-Image-Bench 基准测试中，该模型以英文 53.53、中文 53.38 的成绩位列开源模型双料第一，权重、代码、数据配方等五个环节全部开源。
核心功能与技术亮点
文章正文
蚂蚁集团 inclusionAI 团队于 2026 年 9 月发布 LLaDA-Image，全栈开源文生图与图像编辑能力。
模型总参数规模 60 亿，采用单流 Diffusion Transformer 架构，统一承载文本理解、图像生成与图像编辑。
训练阶段约 90% 的监督信号来自 2.2 亿纯图片样本，仅 10% 依赖图文对数据，摆脱对大规模图文配对的依赖。
核心方法为自条件学习，先用 SigLIP-VQ 将目标图像编码为视觉特征，再通过遮挡补全任务驱动模型理解图像内容。
该方案让模型先学会画图、再学会听话，在纯图片条件下完成语义对齐与指令跟随训练。
在 Qwen-Image-Bench 基准中，模型以英文 53.53、中文 53.38 的得分位列开源模型双料第一，超过一众参评开源与闭源模型。
其他公开基准同样表现稳定，GenEval 得分 0.85，DPG-Bench 得分 87.48。
在第三方竞技场测评中，模型 Elo 分数达 937.1，生成质量获得真实用户投票验证。
模型通过 dLLM 理解模块、RQA 检索机制与 Connector 适配组件衔接单流 DiT，实现生成与编辑任务统一。
蒸馏方案采用 TwinFlow，将 50 步推理压缩至 2 至 4 步，Turbo 版本在少量步数下保留成图质量。
训练框架引入无参数 RMSNorm 与 Muon 优化器，提升大规模训练稳定性。
推理生态方面，SGLang 提供 Day-0 支持，模型发布当天即可接入高性能推理服务。
源码简介
LLaDA-Image 由蚂蚁集团 inclusionAI 开源团队开发，作者为蚂蚁集团大模型技术团队。
项目在 github.com 开放源码仓库，用户可搜索 LLaDA-Image 获取权重、代码与数据配方。
开源范围覆盖五个环节，包括模型权重、训练代码、数据配方、统一编辑配方与蒸馏方案。
仓库页面尚未附带 MIT 或 Apache 这类传统开源许可证文件，商用前请以官方仓库与模型页面说明为准。
模型权重同步发布于 HuggingFace 与 ModelScope，社区已通过 star 收藏与 fork 分叉参与共建。
版本号 v1.0.0，最后更新 2026 年 9 月，更新日志见官方发布渠道。
竞品对比
| 对比项 | LLaDA-Image | 常规文生图模型 | 闭源旗舰模型 |
|---|---|---|---|
| 训练数据 | 90%纯图片监督 | 大规模图文对 | 图文对为主 |
| 开源基准得分 | 英文53.53/中文53.38 | 普遍低于52 | 参评但不开源 |
| 生成与编辑 | 单模型统一 | 多依赖微调分支 | 部分支持 |
| 推理加速 | TwinFlow 2-4步 | 常规多步采样 | 仅官方API |
| 开源程度 | 五环节全开源 | 部分开源 | 不开源 |
对比常规文生图模型和闭源旗舰模型，区别在于 LLaDA-Image 用 90% 纯图片训练达成开源第一的基准成绩，且五环节全开源，可作为闭源文生图 API 的替代方案。
适用场景
适用于文生图创作，支持从简单描述到复杂构图的图像生成。
支持图像编辑场景，实测覆盖风格迁移、海报文字修改、指定元素移除与线稿上色。
可用于本地化部署需求，60 亿参数规模适合企业私有化环境。
适合研究复现，数据配方与训练代码开源便于学术与工程团队验证。
技术栈与运行环境
核心架构为单流 Diffusion Transformer，参数规模 60 亿。
视觉编码采用 SigLIP-VQ，图像生成由 DiT 承载，文本理解由 dLLM 模块负责。
训练侧使用无参数 RMSNorm 与 Muon 优化器，推理侧由 SGLang 提供 Day-0 支持。
加速版本基于 TwinFlow 蒸馏，推理步数降至 2 至 4 步。
版本号 v1.0.0，最后更新 2026 年 9 月，更新日志见官方仓库。
功能亮点
- 90%纯图片训练，2.2 亿样本摆脱大规模图文对依赖
- 开源双料第一，Qwen-Image-Bench 英文 53.53、中文 53.38
- 生成编辑统一，单模型覆盖文生图与四类图像编辑任务
- Turbo 加速，TwinFlow 蒸馏将 50 步压缩至 2-4 步
- 五环节开源，权重、代码、数据配方、编辑配方、蒸馏方案全部开放
部署指南与常见问题
安装与部署提示
代码仓库托管于 github.com，搜索 inclusionAI 的 LLaDA-Image 项目即可获取。
权重可在 HuggingFace 与 ModelScope 下载，两条渠道均可获取完整模型文件。
推理推荐使用 SGLang，模型发布当天已获得官方适配。
追求生成速度可选用 Turbo 蒸馏版本，2 至 4 步即可出图。
版本号 v1.0.0，最后更新 2026 年 9 月，更新日志见仓库提交记录。
截图与演示说明
封面为官方发布的 LLaDA-Image 标题图，蓝紫渐变科技风。
官方效果演示图展示了风格迁移、海报文字修改、元素移除与线稿上色四类编辑任务。
架构图呈现了文本、参考图像与目标图像的处理链路，标注 SigLIP-VQ 与单流注意力组件。
基准对比图来自 Qwen-Image-Bench，展示了多款模型的中英文得分与开源属性。
常见问题
问，LLaDA-Image 和常规文生图模型有什么区别？
区别在于训练数据约 90% 来自 2.2 亿纯图片样本，通过自条件学习完成语义对齐，而非依赖大规模图文配对。
问，如何下载使用？
代码在 github.com 的 inclusionAI 仓库获取，权重支持 HuggingFace 与 ModelScope 双渠道下载，推理可用 SGLang。
问，是否开源？
权重、代码、数据配方、编辑配方与蒸馏方案五个环节全部开源，仓库暂未附带 MIT 或 Apache 许可证文件，商用前请确认官方授权条款。
问，生成速度如何？
标准版本需 50 步推理，TwinFlow 蒸馏的 Turbo 版本将步数压缩至 2 至 4 步。
下载说明
本文来源，微信公众号 inclusionAI 蚂蚁开源，原文链接 https://mp.weixin.qq.com/s/bYm-YTP9higpLzf-vR9Brw 。
LLaDA-Image 由蚂蚁集团 inclusionAI 团队于 2026 年 9 月全栈开源，版本 v1.0.0。
更新日志见官方仓库，最后更新 2026 年 9 月。
