Prompt 语宙Prompt 语宙
  • 首页
  • 语宙 AI 导航
  • AIGC 资讯
    • AIGC 早报生成器Hot
    • 最新趋势
    • AI 工具
    • 热门资源
    • 强化 AI 学习
  • AI 绘图
    • Prompt 实战
    • AI 绘画教程
    • 模型精选
  • AI 图库
    • 人物
    • 展台场景
    • Banner
    • 游戏
    • 动物
    • 食物
    • 自然
    • 背景
    • 海报
    • 建筑
    • 室内设计
  • 出海数字营销宝典
  • AI 生图 Prompt
    • 写实人像
    • 产品与广告
    • 游戏资产与 3D
    • 界面与图标
    • 建筑与室内
    • 动漫与插画
    • 风景与自然
搜索 AIGC 资讯、Prompt 咒语与 AI 工具
  • 语宙 AI 导航
  • 全部资讯
  • AI 生图咒语库
  • AIGC 早报生成器
  • 核心专题
  • 提交工具 / 合作
© 2023–2026 Prompt 语宙 (paooo.com). HalfPX. All Rights Reserved.
阅读: SANA 1.5 – 英伟联合MIT、清北等机构推出的文生图新框架
Share
通知 阅读更多
Font Resizer字体
Font Resizer字体
Prompt 语宙Prompt 语宙
搜索 AIGC 资讯、Prompt 咒语与 AI 工具
  • 首页
  • 语宙 AI 导航
  • AIGC 资讯
    • AIGC 早报生成器Hot
    • 最新趋势
    • AI 工具
    • 热门资源
    • 强化 AI 学习
  • AI 绘图
    • Prompt 实战
    • AI 绘画教程
    • 模型精选
  • AI 图库
    • 人物
    • 展台场景
    • Banner
    • 游戏
    • 动物
    • 食物
    • 自然
    • 背景
    • 海报
    • 建筑
    • 室内设计
  • 出海数字营销宝典
  • AI 生图 Prompt
    • 写实人像
    • 产品与广告
    • 游戏资产与 3D
    • 界面与图标
    • 建筑与室内
    • 动漫与插画
    • 风景与自然
已有帐户? 登陆
  • 语宙 AI 导航
  • 全部资讯
  • AI 生图咒语库
  • AIGC 早报生成器
  • 核心专题
  • 提交工具 / 合作
© 2023–2026 Prompt 语宙 (paooo.com). HalfPX. All Rights Reserved.
SANA 1.5 – 英伟联合MIT、清北等机构推出的文生图新框架
Prompt 语宙 > AIGC 资讯 > SANA 1.5 – 英伟联合MIT、清北等机构推出的文生图新框架
AIGC 资讯

SANA 1.5 – 英伟联合MIT、清北等机构推出的文生图新框架

Prompt 语宙研究院
最近更新: 2026年6月9日 上午12:23
AI绘画提示词 stable diffusion 大模型微调 开源大模型
SHARE
⚡ Prompt 语宙 AI 导读 · 30 秒核心看点
  • 通过深度增长范式,SANA 1.5 将模型从 16 亿参数扩展到 48 亿参数,显著降低训练与推理成本。
  • 引入块重要性分析的深度剪枝,可在不同算力预算下灵活压缩模型,且微调后仍能保持较高生成质量。
  • 推理时扩展结合重复采样与 VLM 选择机制,GenEval 可从 0.72 提升到 0.80,超过 Playground v3。

SANA 1.5是什么

SANA 1.5是英伟达联合MIT、清华、北大等机构推出的新型高效的线性扩散变换器(Linear Diffusion Transformer),用于文本到图像生成任务。在 SANA 1.0 的基础上进行了改进,提出了三大创新点:高效的训练扩展,通过深度增长范式,将模型从 16 亿参数扩展到 48 亿参数,显著减少计算资源,结合了高效的 8 位优化器。模型深度剪枝,通过分析块重要性,对模型进行高效压缩,能在不同计算预算下灵活调整模型大小。推理时扩展,通过重复采样和基于视觉语言模型(VLM)的选择机制,使小模型在推理时能达到大模型的质量。

阅读目录
  • SANA 1.5是什么
  • SANA 1.5的主要功能
  • SANA 1.5的性能测试
  • SANA 1.5的项目地址
  • SANA 1.5的应用场景

SANA 1.5

SANA 1.5的主要功能

  • 高效训练扩展:SANA 1.5 采用深度增长范式,能将模型从 16 亿参数扩展到 48 亿参数,显著减少计算资源。
  • 模型深度剪枝:SANA 1.5 引入了基于块重要性分析的模型压缩技术,能将大型模型高效地压缩到任意大小,最小化质量损失。通过分析扩散变换器中输入输出的相似性模式,剪枝不重要的块,通过微调快速恢复模型质量。
  • 推理时扩展:SANA 1.5 提出了推理时扩展策略,通过重复采样和基于视觉语言模型(VLM)的选择机制,使小型模型在推理时能达到大型模型的质量。
  • 多语言支持:SANA 1.5支持多语言文本输入,包括中文、英文和表情符号,适用全球化的内容创作和本地化设计。
  • 开源与社区支持:SANA 1.5的代码和预训练模型已经开源,研究人员和开发者可以进行定制和扩展,进一步推动其在学术研究和工业应用中的普及。
  • 推理效率:通过CAME-8bit优化器,SANA 1.5能在单个消费级GPU上进行大规模模型微调,使高质量图像生成更加高效和可访问。

SANA 1.5的性能测试

  • 模型增长(Model Growth):SANA 1.5通过模型增长策略,从16亿参数扩展到48亿参数,GenEval分数从0.66提高到0.72,接近行业领先的Playground v3(24亿参数)的0.76,但推理延迟降低了5.5倍。
  • 模型剪枝(Model Pruning):通过深度剪枝,SANA 1.5能在不同计算预算下灵活调整模型大小。例如,将48亿参数模型剪枝到16亿参数后,经过100步微调,GenEval分数达到0.672,超过了SANA 1.0 16亿参数模型的0.664。
  • 推理时扩展(Inference Scaling):通过生成多个样本并基于VLM选择最佳样本,SANA 1.5的GenEval分数从0.72提高到0.80,超过了Playground v3的0.76。

SANA 1.5的项目地址

  • arXiv技术论文:https://arxiv.org/pdf/2501.18427

SANA 1.5的应用场景

  • 创意设计:SANA 1.5 能根据文本提示生成高质量的图像,适用于创意设计领域,如广告设计、插画创作、游戏美术等。
  • 教学辅助:教师可以用 SANA 1.5 生成与课程相关的图像,帮助学生更好地理解抽象概念。
  • 影视制作:在影视制作中,SANA 1.5 可以生成概念艺术、场景设计图等,帮助导演和美术指导快速构思和验证创意。
  • 工程设计:工程师可以用 SANA 1.5 生成工程设计的视觉效果图,帮助团队更好地理解设计意图和优化设计方案。
  • 移动应用:通过模型深度剪枝和推理时扩展,SANA 1.5 可以在移动设备上高效运行,为移动应用提供实时图像生成功能。
  • 内容审核:结合安全检查模型(如 ShieldGemma-2B),SANA 1.5 可以在生成图像前对用户输入的文本进行审核,确保生成的内容符合安全标准,避免生成不当内容。
❓ 常见问题解答(FAQ)
SANA 1.5 和 SANA 1.0 有什么区别?

SANA 1.5 在 SANA 1.0 基础上加入了三项关键改进:高效训练扩展、模型深度剪枝和推理时扩展。它能把模型从 16 亿参数扩到 48 亿参数,也能按预算压缩,并在推理阶段通过多样本筛选提升生成质量。

SANA 1.5 的推理时扩展怎么提升效果?

它会先生成多个候选图像,再用基于视觉语言模型(VLM)的选择机制挑选最佳结果。这样即使是较小模型,也能在推理阶段获得接近甚至超过大模型的质量表现,文中 GenEval 可从 0.72 提升到 0.80。

SANA 1.5 适合哪些应用场景?

适合创意设计、教学辅助、影视概念图、工程设计可视化、移动端图像生成和内容审核等场景。它支持中文、英文和表情符号输入,并且代码与预训练模型已开源,便于研究和二次开发。

🔬 语宙深潜追问 · 进阶实操拆解
推理时扩展该怎么接入现有管线?

优先把推理时扩展做成可开关的后处理层,先在固定提示词和固定分辨率下做 A/B。重点看延迟、显存和稳定性三项,再决定是否替换原有生成链路。

深度剪枝会不会伤画质和可控性?

会有风险,但可通过分层剪枝和任务集回归测试控制。建议先在低频冗余层做结构化剪枝,再用少量高质量数据微调,重点验证细节纹理、构图和文本对齐是否退化。

🗳️ 读者观点微投票 · 您的实战立场是?
SANA 1.5 的推理扩展值得上生产吗?
🕸️ 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 →
  • Sana – 英伟达、麻省和清华联合推出的文本到图像生成框架
  • NVIDIA Nemotron Nano 2:9B参数推理提速6倍,开源高效AI模型新标杆
  • Seed-Thinking-v1.5 – 字节跳动推出的最新思考模型
  • Seed1.6:字节跳动MoE模型新突破,256K长上下文推理引领多模态新范式
🏛️ Prompt 语宙研究院 · 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
💡 这篇内容对您有启发吗?
📡 RSS 订阅✨ 提交 AI 工具 / 合作
🚀 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)🎨 AI 生图 Prompt 库📚 核心专题导航⚡ AIGC 早报生成器
PartEdit – KAUST推出的细粒度图像编辑方法
[AI生图咒语] 例73 – 信息图可视化设计
[AI生图咒语] 例484 – 霓虹涂鸦黑白人像
MedBench 5.0 斩获 99.6 分登顶!讯飞医疗重磅发布星火医疗大模型 V3.7:三模态深度融合、85%电子病历合理率与基层全科智能体全景落地深度拆解
Chaterm: 开源AI终端革命,用自然语言取代命令行,运维人员的智能助手
TAGGED:AI绘画提示词stable diffusion大模型微调开源大模型
分享
Email 复制链接 打印
Share
Prompt 语宙研究院 头像
ByPrompt 语宙研究院
Follow:
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。
上一篇 HumanOmni – 阿里通义等推出专注人类中心场景的多模态大模型 HumanOmni – 阿里通义等推出专注人类中心场景的多模态大模型
下一篇 Soundwave – 港中文深圳开源的语音理解大模型 Soundwave – 港中文深圳开源的语音理解大模型
Ad image
Ad image

最近更新

Forrester 发布“信任与保障组织(TAO)”研究报告概念图:AI 重塑企业安全团队架构与 CISO 治理权责边界
37%企业AI项目未投产先折戟!Forrester呼吁CISO重构安全架构:打造TAO“信任与保障组织”,弥合权责与能力双缺口
最新趋势
Latent Space 对话 Black Forest Labs 核心创始人 Andreas Blattmann 与 Dustin Podell:从 FLUX 到视觉智能与世界动作模型
视觉智能为什么不能只靠静态图片?对话Black Forest Labs创始人:FLUX 3音画联合训练、扩散与自回归之争及世界动作模型全拆解
强化 AI 学习
Google 官方详解网站迁移至 CDN 如何避免爬虫流量激增打崩源站与误封 Googlebot 导致搜索掉收录
刚切上CDN源站反被爬虫打崩?Google官方拆解迁移翻车悖论:冷缓存雪崩、验证码误杀与预热止血指南
AI 工具
GitHub 正式上线 Repository insights 页面,集中展示 Copilot 代码审查采纳率与评论分类统计结果
AI代码审查到底有没有被采纳?GitHub上线Repository insights与repos-1-day API:四维信号、力度趋势及统计陷阱全拆解
AI 工具

相关推荐

Janus-Pro – DeepSeek 开源的统一多模态模型
AIGC 资讯

Janus-Pro – DeepSeek 开源的统一多模态模型

Prompt 语宙研究院
AI智能体 AI绘画提示词 DeepSeek HuggingFace 开源大模型
腾讯28周年AI战略插画:玻璃零点门户点亮办公流程,光束汇聚到核心引擎,象征主动增效与再创业的危机应对。
AIGC 资讯

腾讯 28 周年总办战略拆解:从“心态归零”再创业到 WorkBuddy 登顶,巨头如何打响 AI 时代主动增效战?

Prompt 语宙研究院
AI金字塔 WorkBuddy 组织变革 腾讯AI 马化腾
[AI生图咒语] 例29 – 电影感叙事场景图
1
AI 生图 Prompt写实人像

[AI生图咒语] 例29 – 电影感叙事场景图

Prompt 语宙研究院
AI绘画提示词 Flux Midjourney
推迟22亿IPO后砸6.25亿美元闪电收购!智能戒指龙头Oura全资吞下AI诊疗创企Counsel Health:年营收17.5亿背后的穿戴医疗化与医生在环临床Agent全景拆解
AIGC 资讯

推迟22亿IPO后砸6.25亿美元闪电收购!智能戒指龙头Oura全资吞下AI诊疗创企Counsel Health:年营收17.5亿背后的穿戴医疗化与医生在环临床Agent全景拆解

Prompt 语宙研究院
AI医疗 Counsel Health Oura 医生在环 智能穿戴
/ Prompt 语宙 /

探索生成式 AI 的无限创作潜能,一站式获取前沿 AIGC 资讯、高阶 Prompt 咒语与全球实用 AI 工具。

核心专栏

  • 语宙 AI 工具导航
  • EVA 视觉抠图工坊Hot
  • 出海数字营销宝典
  • AI 生图咒语灵感库
  • 24H 硅谷 AI 情报流

生态与服务

  • 语宙 AI 导航
  • 全部资讯
  • AI 生图咒语库
  • AIGC 早报生成器
  • 核心专题
  • 提交工具 / 合作

标签

开源大模型 AI智能体 AI办公效率 AI绘画提示词 OpenAI 大模型微调 Midjourney AI编程 stable diffusion AI视频生成 ChatGPT 3D与空间智能 HuggingFace AI音频与语音 RAG检索增强 Claude Flux AIGC Gemini 通义千问 Anthropic Llama Cursor DeepSeek Prompt AI Agent Kimi 智谱AI 具身智能 YouTube
Prompt 语宙Prompt 语宙
Follow US
© 2023–2026 Prompt 语宙 (paooo.com). HalfPX. All Rights Reserved.