Nucleus-Image开源，17B参数推理仅激活2B，无后训练基准超Imagen4

ME News 消息，4 月 16 日（UTC+8），据 动察 Beating 监测，Nucleus AI 团队发布文生图模型 Nucleus-Image，同步开源模型权重、训练代码和训练数据集，许可证为 Apache 2.0，可商用。模型采用稀疏混合专家（MoE）扩散变换器架构，总参数量 17B，分布在每层 64 个路由专家中，每次推理仅激活约 2B 参数，推理成本显著低于同参数量级的密集模型。 在三项标准基准上，Nucleus-Image 与闭源头部模型持平甚至超越：GenEval 得分 0.87，与千问图像模型持平，空间位置子项（0.85）居所有对比模型之首；DPG-Bench 得分 88.79，综合排名第一；OneIG-Bench 得分 0.522，超过谷歌 Imagen4（0.515）和 Recraft V3（0.502）。以上成绩全部来自纯预训练，未做 DPO、强化学习或人类偏好调优。Nucleus AI 官方称这是「该质量级别上首个全开源 MoE 扩散模型」。 训练数据从网络大规模爬取，经多轮过滤、去重和美学评分后保留 7 亿张图片，生成 15 亿图文对；训练分三阶段从 256 到 1024 分辨率逐步推进，共 170 万步。文本编码器使用 Qwen3-VL-8B-Instruct，通过 diffusers 库调用，并内置跨去噪步骤的文本 KV 缓存，进一步降低推理开销。 对需要在本地部署图像生成的开发者来说，17B 参数但只需激活 2B 的设计意味着消费级 GPU 也有运行空间。完整开源（权重 + 训练代码 + 数据集）相对罕见------多数开源图像模型只放权重，数据集和训练细节仍封闭，这也是文生图领域可复现研究的主要瓶颈之一。 （来源：BlockBeats）