Meituan Longcat G-STAR: картинки 1024 на 1024 за 2,5 секунды!
Метод G-STAR от Meituan Longcat предназначен для авторегрессионной генерации изображений. Ключевая идея: сжимать пространство и наращивать ёмкость, поэтому чем сильнее сжимается изображение, тем больше кодов приходится на каждую позицию.
- Сжатие в 32 раза и до эффективных 64 раз за счёт упаковки блоков 2 на 2 без потерь.
- Полуавторегрессионная голова: тяжёлый проход выполняется один раз, а согласованность кодов держит лёгкий каузальный слой.
- Изображение 1024 на 1024 генерируется за 2,5 секунды на одной H200. Это в 20 раз быстрее прежних дискретных моделей.
- Две сборки: Pro 8B на 32-кратном сжатии и лёгкая Flash 1.7B на эффективном 64-кратном.
- Надписи и лица сохраняются даже при 64-кратном сжатии.
У Pro 8B есть редактирование по текстовой инструкции: сцена сохраняется, меняется только промпт. На GEdit-Bench модель набирает 7,45, почти вровень с GPT-Image-1 и Qwen-Image-Edit. Один и тот же кадр перерисовывается в другой стиль или с другой надписью, а композиция и окружение остаются.
Страница модели: hf.co/DAGroup-PKU/G-star
