---
title: "SANA 1.5 – 英伟联合MIT、清北等机构推出的文生图新框架"
url: "https://paooo.com/aigc-news/22311/"
author: "Prompt 语宙研究院"
published_at: "2026-06-09T00:23:21+08:00"
updated_at: "2026-06-09T00:23:21+08:00"
categories: "AIGC 资讯"
tags: "AI绘画提示词, stable diffusion, 大模型微调, 开源大模型"
source: "Prompt 语宙 (https://paooo.com)"
ai_tools_directory: "语宙 AI 导航 (https://ai.paooo.com)"
---

# SANA 1.5 – 英伟联合MIT、清北等机构推出的文生图新框架

> 来源：[Prompt 语宙 (paooo.com)](https://paooo.com/aigc-news/22311/) · 作者：Prompt 语宙研究院 · 发布时间：2026-06-09

## AI 30 秒核心看点 (TL;DR)

- 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](https://ai-bot.cn/best-ai-painting-tools/)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。

## 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](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。

---
探索 2,800+ 全球实用 AI 工具与官方直达入口：[语宙 AI 导航 (https://ai.paooo.com/)](https://ai.paooo.com/)
