LLaDA-Image – 蚂蚁集团推出的统一图像生成与编辑模型

LLaDA-Image是一款由蚂蚁集团 InclusionAI 团队在 2026 年 9 月推出的统一图像生成与编辑开源模型，主要用于文生图与图编辑的双向任务，支持原生多步推理与中英双语提示词，适用于开源社区与商业产品的多模态创作场景，也适合想用开源文生图模型做本地部署与二次开发的创作者和开发者。

LLaDA-Image 的核心能力

统一生成与编辑的双向任务架构

传统图像模型要么是”只生不编”的文生图模型，要么是”只编不生”的图像编辑模型，开发者要在两条流水线之间切换权重。LLaDA-Image 采用统一架构，将生成与编辑视为同一序列预测任务，让模型在输入 prompt 之外接收一张参考图，根据 prompt 语义决定是”从零生成”还是”在原图上局部重绘”。这种统一让模型具备 大语言模型 风格的多轮对话能力，可以基于上一轮输出继续做局部修改。

TwinFlow 蒸馏技术与推理步数压缩

LLaDA-Image 的核心加速技术是 TwinFlow 蒸馏。官方把 50 步的标准流匹配扩散过程压缩到 2-4 步，对消费级显卡极友好——一张 RTX 4090 即可在 4 秒内完成一张 1024×1024 的图像生成，原本需要 8 张 A100 串行的复杂采样流程现在单卡即可跑通。在 1 张 RTX 4090 上完成 1024×1024 推理平均耗时 3.8 秒，显存峰值 22GB，消费级显卡可承载。

Qwen-Image-Bench 中英文双榜表现

Qwen-Image-Bench 是阿里通义推出的图像生成公开评测基准，分中英两套盲测集。LLaDA-Image 在两个榜单分别取得 78.4 与 79.1 的综合分，超过同尺寸开源模型平均分约 6 分，仅次于闭源旗舰 GPT Image 1 与 Imagen 4.0 Ultra。中文榜单的胜出得益于 InclusionAI 团队专门做的中文语料增量训练。

与 AI Agent 流水线的原生集成

LLaDA-Image 一开始就为 AI Agent 流水线设计：模型权重与 AI Agent 框架（如 LangGraph、AutoGen）的标准接口对齐，可直接作为”图像生成节点”嵌入 Agent 的工具调用栈。开发者无需做额外的胶水代码，模型对工具调用 prompt 的响应延迟与传统 API 持平。

LLaDA-Image 与同类图像生成模型的对比

下面把 LLaDA-Image 与业内两款同体量级图像生成开源模型做横向比较。需要说明的是，图像生成赛道内目前没有”1 + 1 国际”的强一致组合（CogView-4 在中文场景强、Stable Diffusion 3.5 在英文场景强），这里的对比尽量在同体量级 + 同开源协议下进行。

整体来看，LLaDA-Image 在 6B 这个体量级做出了”统一生成 + 编辑”的差异化能力，并在中文场景拿了第一；CogView-4 偏纯文生图；Stable Diffusion 3.5 在英文通用场景与生态成熟度仍有领先优势。

如果你还想看 LLaDA-Image 在蚂蚁开源矩阵里对应的另一款语言模型，可以参考 Ling-3.0-tiny。

LLaDA-Image 的应用场景与适用人群

• 商业素材创作：电商详情页配图、营销海报、社交媒体素材，单卡 4 秒出图的成本可让中小商家每天产出几十张素材
• 开源项目集成：作为 Diffusers 流水线或 ComfyUI 节点嵌入，二次开发者可在 6B 体量上做风格微调
• 学术研究：图像生成/编辑统一架构的实验平台，复现 TwinFlow 蒸馏或多轮编辑研究

适用人群：开源 AI 工具开发者、电商运营、设计师、多模态研究者与产品经理。其中电商与设计师更适合直接调用 API 而非本地部署；研究者与工具开发者更适合本地权重 + 二次训练。

LLaDA-Image 的使用方法

本地部署 LLaDA-Image 只需 HuggingFace 拉权重 + Diffusers 一行调用，下面给出四步上手流程。

1. 下载模型权重：通过 LLaDA-Image 官方仓库 拉取 6B 模型与配置文件，单次下载约 12GB
2. 配置运行环境：Python 3.10+、PyTorch 2.x、Diffusers 0.30+，消费级 RTX 4090 即可
3. 调用推理接口：通过 Diffusers 流水线传入 prompt 与可选参考图，进行文生图或图编辑
4. 微调或蒸馏：基于 TwinFlow 蒸馏技术对自定义数据二次训练，调整风格或垂直品类

LLaDA-Image 的价格与开源情况

LLaDA-Image 采用 Apache 2.0 开源协议，模型权重与推理代码完全免费，开发者可在本地或自有云上零成本运行；如果通过第三方托管 API 调用，每张 1024×1024 图的云端推理成本约 0.02 美元（视服务商定价而定），相比 GPT Image 1 同尺寸输出低约 70%。

蚂蚁 InclusionAI 团队在 GitHub 与 HuggingFace 同步开放了完整训练数据列表、TwinFlow 蒸馏配置与 Diffusers 流水线示例，开发者可直接在消费级显卡上做二次微调；商业产品集成只需保留 Apache 2.0 协议声明，无额外授权费。该项目与 Ling 系列语言模型同属蚂蚁百灵计划下的开源矩阵，开发者可组合使用。

LLaDA-Image 的常见问题