# Fluid – 谷歌联合MIT推出文本到图像的自回归生成模型

- Link: https://paooo.com/aigc-news/26185/
- Published: 2026-07-18T19:18:29+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

 * 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](https://paooo.com/ai-study/)
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。

阅读目录

 * [Fluid是什么](https://paooo.com/aigc-news/26185/#fluid%e6%98%af%e4%bb%80%e4%b9%88)
 * [Fluid的主要功能](https://paooo.com/aigc-news/26185/#fluid%e7%9a%84%e4%b8%bb%e8%a6%81%e5%8a%9f%e8%83%bd)
 * [Fluid的技术原理](https://paooo.com/aigc-news/26185/#fluid%e7%9a%84%e6%8a%80%e6%9c%af%e5%8e%9f%e7%90%86)
 * [Fluid的项目地址](https://paooo.com/aigc-news/26185/#fluid%e7%9a%84%e9%a1%b9%e7%9b%ae%e5%9c%b0%e5%9d%80)
 * [Fluid的应用场景](https://paooo.com/aigc-news/26185/#fluid%e7%9a%84%e5%ba%94%e7%94%a8%e5%9c%ba%e6%99%af)

![Fluid](https://paooo.com/wp-content/uploads/2026/07/Fluid-website-1.avif)

## 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。

🔬 语宙深潜追问 · 进阶实操拆解

连续标记生成相比离散token有何优势？

连续标记能减少量化误差，保留更细的视觉连续性；配合随机顺序生成，模型可更灵活地补
全图像局部与全局关系，尤其在复杂布局和细节一致性上更有潜力。

自回归文生图适合哪些产品场景？

适合需要强可控、可逐步编辑和高一致性的场景，如品牌海报、商品图和设计草图。若追求
极低延迟的大批量出图，仍需结合缓存、分辨率分级和并行解码策略。

🗳️ 读者观点微投票 · 您的实战立场是？

自回归文生图，能打败扩散模型吗？

🕸️ 语宙向量知识图谱 · 语义强关联深度内链

[🎨 所属权威专题：Midjourney & Flux 咒语库 →](https://paooo.com/topics/midjourney-flux-prompts/)

 * [UniFluid – 谷歌联合麻省理工推出的多模态图像生成与理解框架](https://paooo.com/aigc-news/20943/)
 * [Pyramid-Flow – 北大、快手、北邮联合开源的AI视频生成模型](https://paooo.com/aigc-news/26368/)
 * [T2I-R1 – 港中文联合上海AI Lab推出文生图模型](https://paooo.com/aigc-news/20040/)
 * [JanusFlow – DeepSeek开源多模态理解与生成任务统一的框架](https://paooo.com/aigc-news/25652/)

[🏛️ 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/26185/?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/)
