Step1X-Edit：革新开放图像编辑，成为瞩目的新标准，与GPT-4o等专有模型相媲美

Step1X-Edit 是由 Stepfun AI 团队推出的一款开源图像编辑模型，它在性能上能够媲美 GPT-4o 和 Gemini2 Flash 等闭源模型。以下是关于 Step1X-Edit 的详细介绍：

技术架构

• 多模态大语言模型与扩散变换器结合：Step1X-Edit 采用多模态大语言模型（MLLM）处理用户提供的参考图像和编辑指令，提取潜在嵌入并与扩散图像解码器集成，从而生成高质量的目标图像。

• 高质量数据集：团队构建了包含超过 100 万高质量三元组（参考图像、指令、目标图像）的数据管道，覆盖 11 种编辑类型，确保模型在复杂场景下的鲁棒性。

性能表现

• 超越开源基线，接近闭源模型：在 Stepfun AI 团队发布的全新基准 GEdit-Bench 上，Step1X-Edit 的表现大幅超越现有开源基线模型，接近领先的闭源模型水平。

• 具体指标：

  • 在 512x512 分辨率下，模型可在 42GB 显存下于 5 秒内完成编辑。

  • 在 1024x1024 分辨率下，需要 50GB 显存，耗时约 22 秒。

开源资源

• 代码与模型权重：Step1X-Edit 的代码、模型权重及 GEdit-Bench 评测数据已于 2025 年 4 月 25 日通过 Hugging Face 和 ModelScope 平台开放。

• 硬件要求：模型支持在单块 H800 GPU 上运行，推荐使用 80GB 显存以获得最佳生成质量。

应用场景

• 专业设计与创意优化：Step1X-Edit 的灵活性和高精度使其适用于专业设计师优化创意作品。

• 普通用户照片美化：普通用户可以通过简单指令实现复杂编辑，如背景替换、对象移除或风格迁移。

对行业的意义

• 推动开源社区发展：Step1X-Edit 的开源为学术界和开发者提供了研究和优化的基础，推动了图像编辑技术的实用化和用户导向化评价。

• 激励闭源模型提升：该模型的发布可能促使更多企业探索开源 AI 的商业化路径，同时激励闭源模型提供商进一步提升性能。

未来展望

• 优化模型效率：尽管 Step1X-Edit 已展现出强大实力，但其高显存需求可能限制部分用户的访问。未来，团队计划优化模型效率，降低硬件门槛，并扩展支持更多编辑类型和分辨率。

• 丰富评测场景：GEdit-Bench 的持续更新将进一步丰富评测场景，助力行业形成统一的性能标准。

总的来说，Step1X-Edit 作为一款开源图像编辑模型，凭借其卓越的性能和广泛的适用性，有望成为图像编辑领域的新标杆。