---
title: "Fluid – 谷歌联合MIT推出文本到图像的自回归生成模型"
url: "https://paooo.com/aigc-news/26185/"
author: "Prompt 语宙研究院"
published_at: "2026-07-18T19:18:29+08:00"
updated_at: "2026-07-18T19:18:29+08:00"
categories: "AIGC 资讯"
tags: "AI绘画提示词, Flux, Gemini, stable diffusion, 开源大模型"
source: "Prompt 语宙 (https://paooo.com)"
ai_tools_directory: "语宙 AI 导航 (https://ai.paooo.com)"
---

# Fluid – 谷歌联合MIT推出文本到图像的自回归生成模型

> 来源：[Prompt 语宙 (paooo.com)](https://paooo.com/aigc-news/26185/) · 作者：Prompt 语宙研究院 · 发布时间：2026-07-18

## AI 30 秒核心看点 (TL;DR)

- 连续标记替代离散标记，减少信息损失，提升图像细节、纹理与整体视觉质量。
- 随机顺序自回归生成更利于捕捉全局结构，尤其在多对象场景中表现更稳。
- 10.5亿参数下取得MS-COCO FID 6.16、GenEval 0.69，实测成绩亮眼。

## Fluid是什么

Fluid是由Google DeepMind和MIT共同推出的文本到图像的自回归生成模型，基于连续标记和随机生成顺序的方法，在视觉质量和评估性能上取得突破性进展。模型在扩大模型规模时，能有效提升图像生成的视觉质量，解决传统自回归模型的局限性。在10.5亿参数规模下，Fluid在MS-COCO数据集上实现6.16的零样本FID得分，在GenEval基准测试中获得0.69的得分，刷新文生图领域的纪录。Fluid的创新之处在于随机顺序生成机制和连续标记的使用，在生成图像时能更好地捕捉全局结构，特别是在多对象场景中表现出色。

## Fluid的主要功能

- **文本到图像生成**：根据给定的文本提示生成相应的图像。

- **连续标记使用**：基于连续标记代替离散标记，减少信息损失提高图像质量。

- **随机顺序生成**：不遵循固定顺序生成图像，用随机选择生成顺序，更好地捕捉全局结构。

- **自回归建模**：逐步预测序列中的下一个元素，构建与文本提示相匹配的图像。

- **基于Transformer的架构**：用Transformer模型处理序列数据，捕捉长距离依赖关系。

## Fluid的技术原理

- **连续标记（Continuous Tokens）**：与传统的离散标记不同，Fluid用连续的标记表示，支持模型更细致地捕捉和重建图像的细节和纹理，减少信息丢失。

- **随机顺序生成（Random-Order Generation）**：Fluid不按固定的顺序生成图像，随机选择生成顺序，助于模型在生成过程中更好地考虑全局结构和上下文信息。

- **自回归架构（Autoregressive Architecture）**：Fluid用自回归模型，模型用逐步预测序列中的下一个元素构建输出生成图像。有助于模型学习文本和图像之间的复杂映射关系。

- **Transformer模型（Transformer Models）**：Fluid基于Transformer的架构，因在处理序列数据时的有效性在自然语言处理领域取得巨大成功。Transformer模型能捕捉长距离依赖关系，在图像生成中用注意力机制加强不同部分之间的联系。

## Fluid的项目地址

- **arXiv技术论文**：[https://arxiv.org/pdf/2410.13863v1](https://arxiv.org/pdf/2410.13863v1)

## Fluid的应用场景

- **艺术创作**：艺术家和设计师用Fluid生成独特的图像和艺术作品，加速创作过程探索新的视觉风格。

- **媒体和娱乐**：在电影、游戏和动画制作中，Fluid快速生成概念艺术、背景场景或角色设计，提高前期制作效率。

- **广告和营销**：营销人员用Fluid设计广告图像和营销材料，快速实现创意构思，制作吸引眼球的视觉内容。

- **教育和研究**：在教育领域，Fluid作为教学工具，帮助学生理解复杂的概念；在科研中，帮助研究人员可视化抽象数据和理论模型。

- **内容创作自动化**：为社交媒体、博客和在线出版物自动生成图像内容，提高内容生产的效率和吸引力。

## 常见问题解答 (FAQ)

### Fluid模型和普通文生图模型有什么区别？
Fluid的核心区别在于使用连续标记和随机顺序生成，而不是固定顺序的离散标记建模。这种设计更有利于保留图像细节、捕捉全局结构，并在多对象场景中提升生成质量。

### Fluid在评测上表现怎么样？
文中给出的结果显示，Fluid在10.5亿参数规模下，MS-COCO零样本FID达到6.16，GenEval得分为0.69，说明它在图像质量和文本对齐能力上都有较强表现。

### Fluid适合哪些应用场景？
Fluid适合艺术创作、影视游戏概念设计、广告营销、教育研究和内容创作自动化等场景，尤其适合需要快速生成高质量图像、探索视觉风格和提升生产效率的任务。

---
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/)
