新加坡国立大学 NUS 新出的 Jeveration 就是大家说的生图版 Jev,它不再像扩散模型那样多轮去噪、也不像自回归模型逐 token 生成,而是一次性并行决定整张图所有图像编码,单张 512×512 图片在单张 H200 显卡上只需要 78 毫秒就能跑完,同时还能保住画面整体连贯,速度相比同类一体化模型最高快 122 倍。之所以并行生成还不容易画面割裂,核心是这套方案给所有图像位置绑定同一个共享随机状态,让全部并行预测互相协调,不会出现各个区域画风对不上的问题;它不是从零训练大模型,是基于冻结的 Qwen3.5-4B 多模态 VLM,只增加少量 LoRA 适配器和任务头,复用原有图文理解能力。跑推理的流程很简单,输入提示词或者参考图,加上共享随机状态一起送入冻结 VLM,并行输出全部图像编码,再交给 TA-TiTok 解码器还原图片;同一个权重包还能同时支持文生图、图生图、深度 / 分割稠密预测多类任务。这套方案的价值,就是把 Jev 这种 System One 快速并行决策范式搬到图像生成,适合低延迟实时生图场景,当然目前还是论文阶段,在高分辨率、复杂长提示词上还有优化空间。
一、Jeveration 和传统生图方案对比
| 方案 | 生成方式 | 特点 | 典型延迟问题 |
|---|---|---|---|
| Jeveration | 单步并行一次性输出整张图 | 78ms(512×512,H200),单权重多任务 | 高分辨率能力还在打磨 |
| 扩散模型 | 多轮迭代去噪 | 画质上限高 | 几十步迭代,延迟高 |
| 自回归生图 | 逐 token 串行生成 | 连贯性可控 | token 越多越慢 |
| 原版 Jev | 并行决策 | 主打快速识别、判断 | 原本不做图像生成 |
二、Jeveration 核心技术要点清单
- 基础底座:冻结 Qwen3.5-4B VLM,不改动原有主干,只加小适配器
- 核心创新:共享随机状态约束全部并行位置,解决并行生图最头疼的画面不一致
- 支持任务:文生图、图生图、语义分割、深度估计、法线预测
- 开源情况:Apache2.0 协议,权重和推理代码已经上传 Hugging Face、GitHub
- 评测指标:GenEval 0.74、HPSv2.1 28.06,画质达到有竞争力水平
- 论文出处:NUS 团队,arXiv 编号 2611.24738
三、Jeveration 完整推理链路
- 输入:文本提示词 / 参考图像 + 全局共享随机状态
- 冻结 VLM + LoRA 适配器统一编码
- 并行一次性输出全部图像 code(没有多轮迭代)
- TA-TiTok 解码器把 code 还原成 512×512 图像
- 也可以切换稠密预测头,直接输出深度、分割结果
四、当前局限清单
- 实测速度是 512×512 分辨率,更大分辨率还没有同等低延迟表现
- 属于学术方案,距离商用落地还有工程优化工作
- 复杂构图、超长提示词的对齐能力对比主流扩散模型还有差距
- 速度测试硬件是 NVIDIA H200,普通消费卡跑达不到这个时延
【相关 FAQ】
问题 1:NUS 提出的 Jeveration 作为生图版 Jev,78 毫秒生图是在什么硬件、什么分辨率下测出来的?
回答 1:NUS 提出的 Jeveration 生图版 Jev,78 毫秒是单张 NVIDIA H200 显卡、512×512 分辨率、端到端包含解码的实测时延,更高分辨率图片生成速度会明显变慢。
问题 2:Jeveration 生图版 Jev 并行决定整张图,是怎么保证画面连贯不割裂的?
回答 2:Jeveration 生图版 Jev 给所有图像位置共用同一个全局随机状态,让每一块区域的并行预测都受这个统一状态约束,协调各个位置的输出,避免并行生成时局部画风脱节。
问题 3:Jeveration 生图版 Jev 和原版 Jev 是什么关系?
回答 3:原版 Jev 是 System One 并行决策模型,偏向识别判断;Jeveration 生图版 Jev 沿用这套并行决策范式,把它改成图像生成任务,属于同一条技术路线的延伸。
问题 4:Jeveration 生图版 Jev 能不能直接拿来替代 Stable Diffusion 这类扩散模型?
回答 4:现阶段 Jeveration 生图版 Jev 不适合直接替代扩散模型,它优势是极低延迟单步生成,但是复杂画面、创意细节上限不如成熟扩散模型,更适合实时、低延迟场景。
【参考资料】
[2026-11-22](Jeveration: One-Pass Image Generation in 78 ms From a Frozen VLM)Mervin Praison
[2026-11-20](Jeveration brings single-pass image generation to vision-language models)BREAF
[2026-11-18](Jeveration: System One Models Now Generate)arXiv
[2026-11-20](Jeveration Image Model Achieves 122x Faster Image Generation)shturl.cc/AsOSI
[2026-11-20](Jeveration, a model that generates a 512 × 512 picture in just 78 ms)Hacker News
【免责声明】
本文内容基于 NUS 公开论文与项目页面信息整理,Jeveration 生图版 Jev 属于学术研究模型,78 毫秒时延、评测指标均为论文指定硬件环境下的实验数据,不同显卡、分辨率、参数配置结果会有差异;开源权重仅为研究用途,不构成商用落地建议;模型画质、提示词跟随能力仍有短板,不代表可以直接对标主流成熟生图模型。
本文来自作者[素芯潜渡者]投稿,不代表岳鹿科技网立场,如若转载,请注明出处:https://www.newsyuelu.com/kjyw/202611/2777.html
评论列表(4条)
我是岳鹿科技网的签约作者“素芯潜渡者”!
希望本篇文章《仅需78毫秒,生图版Jev来了?NUS提出 Jeveration,让模型并行决定整张图,还能保持画面连贯》能对你有所帮助!
本站[岳鹿科技网]内容主要涵盖:互联网行业的追踪与探索
本文概览:新加坡国立大学 NUS 新出的 Jeveration 就是大家说的生图版 Jev,它不再像扩散模型那样多轮去噪、也不像自回归模型逐 token 生成,而是一次性并行决定整张图所有图像编码,单张 512×512 图片在单张 H200 显卡上只需要 78 毫秒就能跑完,同时还能保住画面整体连贯,速度相比同类一体化模型最高快 122 倍。之所以并行生成还不容易画面割裂,核心是这套方案给所有图像位置绑定同一个共享随机状态,让全部并行预测互相协调,不会出现各个区域画风对不上的问题;它不是从零训练大模型,是基于冻结的 Qwen3.5-4B 多模态 VLM,只增加少量 LoRA 适配器和任务头,复用原有图文理解能力。跑推理的流程很简单,输入提示词或者参考图,加上共享随机状态一起送入冻结 VLM,并行输出全部图像编码,再交给 TA-TiTok 解码器还原图片;同一个权重包还能同时支持文生图、图生图、深度 分割稠密预测多类任务。这套方案的价值,就是把 Jev 这种 System One 快速并行决策范式搬到图像生成,适合低延迟实时生图场景,当然目前还是论文阶段,在高分辨率、复杂长提示词上还有优化空间。