# SimpleAR – 复旦大学联合字节 Seed 团队推出的图像生成模型

- Link: https://paooo.com/aigc-news/20253/
- Published: 2026-06-08T09:02:52+08:00
- Author: Prompt 语宙研究院

⚡ [Prompt](https://paooo.com/ai-image-prompts/) 语宙 AI 导读 · 30 秒核心看点

 * 纯自回归图像生成框架，5 亿参数即可输出 1024×1024 高分辨率图像。
 * 三阶段训练（预训练-SFT-GRPO）显著增强文本跟随与美学对齐能力。
 * 兼容 vLLM 等加速技术，推理可缩短至 14 秒以内，实用性较强。

## SimpleAR是什么

SimpleAR 是复旦大学视觉与学习实验室和字节 Seed 团队联合推出的纯自回归[图像生成](https://ai-bot.cn/best-ai-painting-tools/)
模型。采用简洁的自回归架构，通过优化训练和推理过程，实现了高质量的图像生成。SimpleAR
仅用 5 亿参数即可生成 1024×1024 分辨率的图像，在 GenEval 等基准测试中取得了优异成绩。
训练采用“预训练 – 有监督微调 – 强化学习”的三阶段方法，显著提升了文本跟随能力和生成
效果。SimpleAR 兼容现有加速技术，推理时间可缩短至 14 秒以内。

阅读目录

 * [SimpleAR是什么](https://paooo.com/aigc-news/20253/#simplear%e6%98%af%e4%bb%80%e4%b9%88)
 * [SimpleAR的主要功能](https://paooo.com/aigc-news/20253/#simplear%e7%9a%84%e4%b8%bb%e8%a6%81%e5%8a%9f%e8%83%bd)
 * [SimpleAR的技术原理](https://paooo.com/aigc-news/20253/#simplear%e7%9a%84%e6%8a%80%e6%9c%af%e5%8e%9f%e7%90%86)
 * [SimpleAR的项目地址](https://paooo.com/aigc-news/20253/#simplear%e7%9a%84%e9%a1%b9%e7%9b%ae%e5%9c%b0%e5%9d%80)
 * [SimpleAR的应用场景](https://paooo.com/aigc-news/20253/#simplear%e7%9a%84%e5%ba%94%e7%94%a8%e5%9c%ba%e6%99%af)

![SimpleAR](https://paooo.com/wp-content/uploads/2026/06/SimpleAR-website-1.avif)

## SimpleAR的主要功能

 * **高质量文本到图像生成**：SimpleAR 是纯自回归的视觉生成框架，仅用 5 亿参数就能
   生成 1024×1024 分辨率的高质量图像，在 GenEval 等基准测试中取得了 0.59 的优异成绩。
 * **多模态融合生成**：将文本和视觉 token 平等对待，集成在一个统一的 Transformer
   架构中，支持多模态建模，能更好地进行文本引导的图像生成。

## SimpleAR的技术原理

 * **自回归生成机制**：SimpleAR 采用经典的自回归生成方式，通过“下一个 token 预测”
   的形式逐步生成图像内容。这种机制将图像分解为一系列离散的 token，然后逐个预测这些
   token，从而构建出完整的图像。
 * **多模态融合**：SimpleAR 将文本编码和视觉生成集成在一个 decoder-only 的 Transformer
   架构中。提高了参数的利用效率，更好地支持了文本和视觉模态之间的联合建模，使模型
   能更自然地理解和生成与文本描述对应的图像。
 * **三阶段训练方法**：
    - **预训练**：通过大规模数据预训练，学习通用的视觉和语言模式。
    - **有监督微调（SFT）**：在预训练基础上，通过有监督学习进一步提升生成质量和指令
      跟随能力。
    - **强化学习（GRPO）**：基于简单的 reward 函数（如 CLIP）进行后训练，优化生成
      内容的美学性和多模态对齐。
 * **推理加速技术**：SimpleAR 通过 vLLM 等技术优化推理过程，显著缩短了图像生成时间。
   例如，0.5B 参数的模型可以在 14 秒内生成 1024×1024 分辨率的高质量图像。
 * **视觉 tokenizer 的选择**：SimpleAR 使用 Cosmos 作为视觉 tokenizer，在低分辨率
   图像和细节重建上存在局限，仍有改进空间。

## SimpleAR的项目地址

 * **Github仓库**：[https://github.com/wdrink/SimpleAR](https://github.com/wdrink/SimpleAR)
 * **HuggingFace模型库**：[https://huggingface.co/papers/2504.11455](https://huggingface.co/papers/2504.11455)
 * **arXiv技术论文**：[https://arxiv.org/pdf/2504.11455](https://arxiv.org/pdf/2504.11455)

## SimpleAR的应用场景

 * **创意设计**：SimpleAR 可以帮助设计师快速生成高质量的图像，用于广告设计、海报
   制作、艺术创作等。
 * **虚拟场景构建**：通过文本描述生成虚拟场景，为游戏开发、虚拟现实（VR）和增强现实（
   AR）应用提供素材。
 * **多模态机器翻译**：SimpleAR 的多模态融合能力可以用于将图像信息与文本翻译相结合，
   提升翻译的准确性和丰富性。
 * **视频描述生成**：通过将图像生成与视频内容相结合，为视频生成详细的描述文本。
 * **增强现实（AR）与虚拟现实（VR）**：SimpleAR 可以生成与现实场景高度融合的虚拟
   图像，用于工业维修、教育演示、旅游导览等场景。为虚拟现实应用生成高质量的虚拟环境
   和物体，提升用户体验。
 * **图像增强与修复**：SimpleAR 可以用于增强低分辨率图像的细节，提升图像质量。通过
   生成缺失或损坏部分的图像内容，实现图像的修复。

🧭 文中关联 [AI 工具](https://ai.paooo.com/)官网与参数卡（语宙 AI 导航）

**HuggingFace ↗**

HuggingFace：AI模型开发社区，面向大语言模型场景提供便捷实用的在线功能支持，涵盖大
模型等实用方向。

❓ 常见问题解答（FAQ）

SimpleAR是什么模型？

SimpleAR 是复旦大学视觉与学习实验室和字节 Seed 团队联合推出的纯自回归图像生成模型，
采用 decoder-only Transformer 架构，将文本与视觉 token 统一建模，用于高质量文本到
图像生成。

SimpleAR的效果怎么样？

文中提到，SimpleAR 仅用 5 亿参数即可生成 1024×1024 图像，并在 GenEval 等基准测试
中取得 0.59 的成绩，同时推理时间可缩短到 14 秒以内，兼顾质量与效率。

SimpleAR适合哪些应用场景？

它适合创意设计、虚拟场景构建、AR/VR 内容生成、图像增强与修复等场景，也可用于需要
文本引导图像生成的多模态任务。

🔬 语宙深潜追问 · 进阶实操拆解

自回归图像模型的优势在哪？

它更容易统一成序列建模框架，便于和语言模型共享训练范式；在高分辨率和复杂结构上也有
潜力。但代价通常是采样链更长，需靠并行化和缓存优化提速。

如何判断它是否适合生产？

先看提示词遵循、细节一致性和生成时延，再看是否能稳定复现风格。若用于商用，必须补
上版权、内容安全和失败重试机制，不能只看单张效果图。

🗳️ 读者观点微投票 · 您的实战立场是？

纯自回归图像生成会取代扩散模型吗？

🕸️ 语宙向量知识图谱 · 语义强关联深度内链

[🐋 所属权威专题：DeepSeek 深度实战与部署 →](https://paooo.com/topics/deepseek/)

 * [xAR – 字节联合霍普金斯大学推出的自回归视觉生成框架](https://paooo.com/aigc-news/21416/)
 * [VARGPT – 北大推出的多模态理解生成统一模型](https://paooo.com/aigc-news/22532/)
 * [HART – 麻省理工学院推出的自回归视觉生成模型](https://paooo.com/aigc-news/25374/)
 * [昆仑万维开源Skywork UniPic：1.5B参数多模态模型，媲美GPT-4o，支持图像理解、生成与编辑](https://paooo.com/aigc-news/14351/)

[🏛️ Prompt 语宙研究院](https://paooo.com/author/paooo-research/) · Prompt 语宙研究院（
paooo.com Research）专注于前沿多模态大模型架构拆解、AI Agent 工作流评测、AIGC 提示
词工程（Prompt Engineering）与全球高增长 AI 生产力工具实测追踪，致力于为中文开发
者与创作者提供一手、可复现的深度技术洞察。

[📄 Markdown 纯净版](https://paooo.com/aigc-news/20253/?format=md)

💡 这篇内容对您有启发吗？

[📡 RSS 订阅](https://paooo.com/feed/)[✨ 提交 AI 工具 / 合作](https://paooo.com/submit-tool/)

**🚀 Prompt 语宙 AI 创作者生态：**探索 2,800+ 全球实用 AI 工具与高精度生图提示词
咒语库

[🧭 语宙 AI 导航 (ai.paooo.com)](https://ai.paooo.com/)[🎨 AI 生图 Prompt 库](https://paooo.com/ai-image-prompts/)
[📚 核心专题导航](https://paooo.com/topics/)[⚡ AIGC 早报生成器](https://paooo.com/mtool/)
