C17官方网站-C17(中国)-1/8 参数，跑赢 80B 大模型：Boogu

导语：(雷峰网)择要：“跑分反超只是开胃菜，出产级交付才是真科场。”2026 年 6 月，HuggingFace 上一个名为 Boogu-Image-0.1 的开源模

(雷峰网(公家号：雷峰网))

择要：“跑分反超只是开胃菜，出产级交付才是真科场。”

2026 年 6 月，HuggingFace 上一个名为 Boogu-Image-0.1 的开源模子，于上传之后迅速引爆了 AI 圈。

这款模子最惹人注目之处，于在它以戋戋 10B 的参数范围，就于多项要害能力上跨越了许多参数目更年夜的模子。

更年夜就象征着更强，持久以来这于 AI 圈都是颠扑不破的真谛，语言模子云云，图象模子亦然。

但于 Qwen-Image-Bench 基准测试中，10B 的 Boogu-Image-0.1 以 53.58 的终极患上分，领先在 20B 的 Qwen-Image-2512（52.06）及 80B 的 Hunyuan-Image-3.0（50.81）。以敌手 1/8 甚至 1/2 的参数范围，却实现了机能反超，纵然领先上风只有几分之差，也足以注释业内的器重。

固然，评价一款模子，Benchmark 跑分只是一方面。

比拟 Benchmark 跑分，咱们更体贴的是这款以小博年夜的黑马模子于真正的内容出产流程里，到底能走到哪一步？ 它的上风是否只于跑分中建立？它可否快速天生照片级素材、搭建海报构图、完成局部编纂？更进一步，当图象天生被接入Agent事情流后，它是否能以高频、低成本的方式不变支撑图片的天生与迭代修改？

出产级场景实测，拒绝 AI “糖水片”

生图早就不是难事了。

从 2022 年炎天 Stability AI 开源 SD 1.5 算起，三年的高速迭代以后，图象天生模子的寻求已经经从把图做出来，进化到了做患上美丽、做患上实用。参考图生图，以二次元、赛博朋克为代表的气势派头化天生图片，以和局部编纂、主体替代等功效被前后实现。再下一步，就是于出产级场景中真正落地。

议题变患上越发详细。图象模子的产出，怎样从空有画面而内在空虚的“糖水片”，改变为可以或许接住各类真实贸易需求的载体？

后者象征着工业级的图片天生，真正的物理体现、及谐的构图、清楚的文字、高自由度的气势派头体现，以和最主要的，于多轮编纂的同时仍旧维持上述所有维度不变性的能力。这里的每一一条需求，都对于应着海报、电商详情页、品牌视觉等严厉贸易场景的磨练。

Boogu-Image-0.1 就于如许的配景下问世，咱们也好奇在它到底仅仅是一款“炫技之作”，还有是可以或许回应落地场景对于图象模子的真实磨练。是以对于在本次测评的标题问题，咱们也力图切近出产级的使命需求。

于项目先容中，开发团队重点说起了 Boogu-Image-0.1 “可以或许天生光芒天然、构图及谐、细节传神的摄影级高质量图象”，以和“强盛的双语衬着及排版能力”，以是咱们选择用《花腔年华》式的港风影戏海报作为重要的测试标题问题，同时测试模子天生真实场景照片的能力毕竟怎样。

这种极具艺术审美及高度气势派头化的影戏海报设计，会同时磨练模子的文字处置惩罚、繁杂指令遵照、物理一致性、气势派头体现力等多重能力。对于只有 10B 参数的 Boogu-Image-0.1 来讲，算患上上是一次压力测试；而越发基础、更高频的真实照片场景，也能更直接地考查模子对于在人物、光影瓜葛、空间结构、糊口气氛的处置惩罚能力。

Boogu-Image-0.1 这次同步开源的重要包括四个版本：

Base：焦点文生图基础模子。专注在高质量天生、富厚的美学体现、强盛的多样性与可控性，重要面向繁杂且文本密集的场景，例如包罗跨越 100 个字符的超密集文本衬着；

Turbo：蒸馏版变体，参数目与基础模子不异，凡是只需 3 至 4 步便可完成天生。于连结双语文本衬着与提醒遵照性的条件下，优化了照片级真实感体现；

Edit：专为图象编纂与图象到图象事情流打造，遵照双语天然语言指令，今朝重要聚焦在以摄影为导向的编纂场景。于上下文天生中，当视角或者布局发生较年夜变化时，机能仍较为受限；

FP8：面向量化部署的变体，用在降低内存占用的推理；

这也决议了咱们按照差别版本特征举行测试的要领。Turbo 版本存眷快速出图时还有可否保住真实感及细节，Edit 需要处置惩罚主体、配景替代等真实落地中存于的局部修改需求。最考查综合能力的海报天生使命，则交给了 Base 版本。

Turbo：照片级真实感

Turbo 的标签很光鲜，快速、真实。

咱们起首让Turbo天生一张年青女性于海边木栈道的旅客照。

人物及海边的栈道、落日、远处小镇交融患上很天然，远处的光源正好照亮左边的发丝，人物的衣服有天然褶皱、真实垂落，脸上的笑脸真实天然。

成心思的是，模子对于在画面远处非人物的部门举行了虚焦处置惩罚，近年夜远小，气氛天然，就像是旅途间隙伴侣给你顺手拍下的留念。

接下来咱们让 Turbo 天生了一张寿星于春节时过生日的照片。这张图片画面十分温馨，节日气氛很强，室内安插、装饰结构都有种让人觉得“似乎于哪见过”的认识感。人像更是此次最年夜的亮点：心情天然、动作合理，几小我私家之间的空间瓜葛及互动感都很到位，甚至会让人感觉这就是一张真正的家庭抓拍。

独一的错误谬误是桌上的菜品摆放稍显生硬，尤其是桌角垒成金字塔的桃子。别的假如细心看，生日蛋糕上的“Happy Birthday”实在是一团试图蒙混过关的乱码。文字天生一贯是图象模子的难点，于 Boogu-Image 0.1 内部，这也是 Base 版真相较在 Turbo 强势的地方。

还有有一个值患上一提的用例，是咱们用 Turbo 天生了一张小狗及小猫于具备炊火气味的门路上打闹的照片。

从这张图片也能看出 Turbo 对于在动态场景的处置惩罚能力，画面中的小狗及猫都处于运动中，院子、花盆、自行车及树影让场景显患上很糊口化，总体像一张手机抓照相片。再加之被轻微压暗的画面及恍惚感，让人觉得这张照片恍如真的出自某台上了岁数的 CCD。

只是影子的细节还有需要拎出来再考究一番，视觉效果生硬，一眼看已往及真正的物理体现好像也有不小收支。

这一轮测试下来，可以给出一个比力明确的判定：Turbo 于真实感出片上确凿揭示了逾越参数范围的体现，光影、景深及人物心情的节制力不输年夜模子。可是于一些物理体现患上细节上还有存于掉真等问题。

Base：《花腔年华》式影戏海报天生

于官方先容中，对于 Base 版本的描写是“基础模子，具备强盛的多样性及可控性，很是合适微和谐后续开发。重要用在超密集文本衬着。”咱们重点考查于增长了密集文字需求后，它于信息正确度及画面质感上的体现怎样。影戏海报是一个两重需求交织的典型场景。

咱们用 Base 版本天生了一张港风影戏海报，作为对于比，咱们也给了 ChatGPT Images 2.0 同样的需求。提醒词节选以下：

于这条链路里，咱们重点看三件事。

Prompt 遵照度：模子能不克不及正确理解海报里的主体、人物瓜葛、空间气氛及文字要求；

文字正确性：中文标题、英文主标题、日期、所在及小字信息能不克不及清楚可读；

视觉完成度：画面是否具有影戏海报所需要的构图、光影、质感及情绪；

可以看到，Base 版本天生的文字内容总体遵照了 Prompt 指令。画面体现力上，Base 的真实感并无显著强在 Turbo，但它于人物瓜葛处置惩罚及画面气氛的营建上体现出了上风。

好比玻璃反射与黄绿橙交叉的光影，以和女性低垂眉眼、男性隐没暗处的构图设计，使两人之间绵亘着光影与镜像，精准还有原了 Prompt 中“靠患上很近却现实没法靠近”的疏离气质。此外，Base 画面中男性微微侧头望向女性的姿态，付与了人物之间明确的感情联系关系，体现出了必然的叙事能力。

但要论影戏级的质感，横向对于比 ChatGPT Images 2.0，还有是后者越发凸起。ChatGPT Images 2.0 的文字排版越发契合常见的影视海报尺度，中英文混排协调，细体艺术字强化了画面的疏离气氛。

光影体现一样是 Image 2.0 更胜一筹，油灯暖光穿过门扉，照亮玻璃上若隐若现的红色笔迹，余光趁势勾画出男士额头轮廓，并沿门框斜向照亮右边女士的违部。而较着的对于比是，Base 版本输出的画面右边有一条稀里糊涂的光带，光源漫衍狼藉，是对于物理世界逻辑缺少理解的体现。

这一轮测试可以看出，Boogu-Image-0.1 Base 版本已经经能完成繁杂海报的主体构图、气氛营建及基本文字构造，但它及更强闭源模子之间仍有较着差距，特别表现于文字排版、光源逻辑及影戏级质感上。

Benchmark 上的分数领先，放到真实审美维度上，未必能直接转化成肉眼可见的上风。但以 10B 的体量而言，它已经经跑赢了绝年夜大都同量级选手。

Edit：文生图模子的真磨练

图象编纂也是 Boogu-Image-0.1 进入真实出产流程必需面临的一道磨练，典型例子如影戏海报，标题、日期以和各类文字设计均可能要重复修改。这些需求于传统设计软件里凡是对于应明确的图层、文字框或者调色东西，但于天生式图象模子里，修改往往不是局部替代，而是一次新的图象重构。

为此咱们也把 Base 版本及 Turbo 版本天生的图片又喂给了它，经由过程替代人物、服装及移除了画面元素的方式，来测试它的编纂能力可否胜任真正的内容出产使命。

咱们起首要求模子修改 Base 中的海报图片，于第一张图片中将人物修改为上着白色衬衫、下着玄色长裤的套装。

模子正确理解了只替代女性服装的要求，同时基本保住了人物姿式、侧身姿态、发型、脸部轮廓、绿色热水壶以和总体光影气氛，画面中的男性人物、玻璃反射、配景色和谐重要文字区域也没有发生较着偏移。

第二张图片中咱们要求模子移除了图片最右边的红橙色光柱，可以看到修复后的图片里光柱消散，原先被遮挡的门框及桌面都正常呈现于画面中，修改后的画面色块正常，没有较着的抠图陈迹或者者色块突兀感，总体过渡光滑。

接下来咱们又对于 Turbo 版本天生的图片做了两轮编纂测试。

第一组是于那张猫狗追赶的照片里，把小狗替代成浅棕色柯基。

修改后的画面总体还有算天然，场景、光芒、猫的动作都没有较着变化，可是替代后的柯基有种 3D 动漫脚色的质感，不像真正的动物，跟配景的光影质感不于统一个图层里，有种贴上去的生硬感。

第二组是于那张春节生日聚首的图片里，把寿星的衣服改为红色毛衣。此次的效果就好许多，颜色替代洁净爽利，画面其他部门没有遭到任何影响，人物及情况都连结原样。

从此次 Edit 模子的测试成果中也能够看出，Boogu-Image Edit 能大要保住人物、构图及画面气氛，也能完成服装替代这种界限清晰的局部修改。但一旦触及到更繁杂的改动，好比于第一组里要让替代后的生物融入原有光影及材质，模子的不变性就会较着降落。

这种编纂不成预期的痛点，于 Benchmark 里不会被扣分，但于真实改稿流程里，每一呈现一次就足以打断事情流。跑分领先的选手，未必能于这场开卷测验以外稳住阵脚。

画质以外，Boogu-Image 还有于算成本账：FP8 原生量化版本

于完成为了 Base、Turbo 及 Edit 的于线功效验证后，Boogu-Image 的多模态能力已经经有了一个清楚的轮廓。但于评估其真实的工程价值时，必需引入另外一个坐标：落地能力。

官目标对于这三个焦点变体，同步于 Hugging Face 等开源社区释出了 FP8 原生量化版本。从架构设计来看，这个动作暗地里的工程用意，甚至比划质自己更值患上存眷。

FP8 比拟 FP16/BF16 于单个数值位宽上更低，理论上有益在削减权重存储及部门计较链路的开消，这为仅有 10B 的图象模子又提供了一条更低成本的部署路径。

成图质量是图象模子的评价维度之一，但成本账一样主要。人类设计师会对于每一一份作品精雕细琢，但 Agent 更可能经由过程屡次采样、主动筛选及继承编纂来迫近方针。是以可否快速、低成当地相应需求，于特定环境下比单次生图质量更值患上存眷。

而 Boogu-Image 推出的量化部署版本，象征着它于连结图象能力的同时，于批量天生、Agent 视觉模块等需要高频挪用的场景下，也具备了更强的竞争力。

Boogu-Image，还有面对哪些交付挑战？

颠末 Turbo、Base 及 Edit 三轮测试后，Boogu-Image-0.1 的位置实在变患上更清晰了：它确凿于 Benchmark 上用 10B 击败了 80B，这份以小博年夜的工程能力值患上尊敬。于真实感出片上，Turbo 版本已经经能做出发伴侣圈级另外旅客照；于影戏海报这种气势派头化使命中，Base 也揭示了对于气氛及叙事的理解力；于局部编纂上，Edit 并不是全无可用的地方。但“反超”的含金量，需要放于真实需求里从头评估。

文字衬着翻车、编纂不成预期、细节物理逻辑的缺掉——这些问题于 Benchmark 里不会扣分，但于设计师的改稿流程里，每个都是足以打断事情流的变乱。10B 的反超，于跑分上建立；但于交付红线上，这道坎还有没迈已往。

文字衬着仍旧是决议 Boogu-Image-0.1 可否超过交付红线的分水岭。于图片天生的历程中，只要几个要害笔划丢掉，文字就会退化成像文字的恍惚图案。

这种问题其实不是 Boogu-Image 独占，而是当前图象天生模子于处置惩罚细粒度文字时的常见难点。图象模子天生文字，素质上不是像排版软件那样挪用一个真实字体文件，而是于图象空间里天生一组切合文字形态的视觉纹理。当图象颠末压缩、去噪及重修，小字号文字这种高频细节很轻易被减弱。特别是中文，笔划密度更高，布局更繁杂，容错空间也更小。

表现于图象输出质量上，不只是文字，更深条理的差距于在对于图象叙事及生理情绪的解构。于 Base 版本中，原版海报的艺术内核是暧昧、克制与半吐半吞的间隔感。而测试天生的图象，于视觉气势派头上带有较着的 AI 算法精修陈迹，色采过在饱及，光影过度过在洁净，缺少老胶片那种时代独有的气氛感及粗粝度。模子虽然经由过程海量数据学会了特定气势派头的色采漫衍及物件组合：旗袍女性、西装男性、玻璃反射、朦胧的灯光都于画面中呈现，可是丢掉了原图那种经由过程微心情、视野错位营建出的生理张力。

这类差距不只是审美判定，也及图象模子怎样暗示、压缩及重修画面有关。

以常见的 VAE 潜空间线路为例， 它把像素层面的繁重计较转移到压缩后的隐空间，换取练习及推理的成本上风。但价钱于在，VAE 的压缩素质上是有损且不成逆的。为了降低维度，模子不能不舍弃那些对于总体气势派头影响微弱、却承载着要害生理叙事的细节：例如微心情的瞬时位移、视野落点的毫厘误差。另外一类线路则试图削减对于 VAE 压缩的依靠，把文本、图象 token 及天生使命放进更同一的暗示空间里，信息不丢掉了，计较成本却也上去了。

还有有一个不成轻忽的问题，是局部修改的不成预期。模子虽然只针对于掩码区域举行重绘，但修改往往会牵动周围已经经不变的光影、材质与构图，呈现非预期形变。这申明其 Edit 版本于局部区域与全局特性之间，仍旧存于较强的耦合问题。

天生式编纂其实不是传统意义上的图层修改。模子于修改某个区域时，往往会联合整张图的语义、光影、纹理及空间瓜葛从头天生局部内容，是以掩码区域及非掩码区域很难做到彻底断绝。成果就是，用户只想改标题或者日期，模子却可能连带影响周围字体、光影、边沿纹理甚至构图不变性。这是天生式图象编纂模子的共性危害；但差别模子、差别编纂架构、差别掩码节制能力下，严峻水平差别。

贸易改稿需要的是可预期的、局部确定性的无损擦除了与添加。而于今朝的测试中，每一一次局部修复都像是于抛掷一个全新的几率骰子，一次修改可能解决原问题，下一次又可能带来新的错字、变形或者画面漂移，经常需要重复测验考试才能获得可用成果。前期快速出图带来的效率上风，也可能是以被后期修图成本抵消。

综合来讲，Boogu-Image-0.1 这类“有欣喜，但还有不敷完善”的状况，偏偏展现了图象模子下一阶段竞争的繁杂性。纯真寻求高画质，或者者纯真寻求低成本的图象，都没法真正进入出产级事情流。Boogu-Image-0.1 更主要的价值于在，它用一次反超告诉咱们：图象模子的竞争，正于从参数目的比拼转向“谁能于质量、速率、成本之间找到更好的均衡”。

Boogu-Image 的工程价值：事情流前端与 Agent 高频挪用

Boogu-Image-0.1 的价值，不克不及只放于单张图质量里看。

假如评价尺度只是哪张图最冷艳，顶级闭源图象模子依然有较着上风。它们于光影、文字、构图及繁杂审美节制上更不变，也更靠近正式交付。但真实内容出产其实不只有终稿交付这一种场景。于终稿以前，还有有年夜量前期事情：出素材、试气势派头、做候选、改局部、批量天生差别版本。

这些真实内容出产的前端环节，恰是 Boogu-Image 这种 10B 开源模子更易进入的位置。特别是于 Agent 事情流里，图象模子的挪用方式会发生变化。

新的流水线里，图象模子面对的挪用频率将远远高在直接及人类设计师互助时。抱负的出产模式是，Agent 再也不依靠单次天生简直定性，而是偏向在使用更低的部署及挪用成本举行高频采样，再以一样的成本筛选、编纂。

这类高频挪用情况，会转变底层模子的压力点，延迟、显存开消、单元部署成本、高并发承载能力成了新的胜败手。它们的主要性会于 Agent 场景下被成倍放年夜。Boogu-Image 10B 参数与 FP8 精度组合，其真正工程价值就于在此。它用极为克制的参数范围及带宽开消，将图象天生的边际成本向下推了一年夜截。

更实际的贸易逻辑于在，顶级闭源图象模子依附重大的参数目于输出质量上仍旧连结着较着上风，但于面临 Agent 的高频并发挪用时，也会为企业带来难以蒙受的账单开消。而一款 10B 模子的量化部署版本，象征着企业私有云或者当地部署方案的可用性。谈不上替换，但也是需求分层后的靠得住选择。

固然，这其实不象征着 Boogu-Image-0.1 已经经可以于出产级使命中丝滑落地，前文提到的交付挑战仍旧存于。但这些问题，究竟是不成容忍的硬伤还有是无伤风雅的小弊端，都取决在利用场景。

而这刚好展现了图象模子下一阶段竞争的繁杂性。图象模子也正于寻觅本身的“帕累托前沿”，接下来要比拼的，多是质量、速率、成本及可编纂性之间的综合均衡。纯真寻求高画质而轻忽部署成本，或者者一味寻求低成本而完全捐躯可编纂性，都没法真正进入 Agent 驱动的出产级事情流。

这也让Boogu-Image-0.1 更像一个图象 Agent 事情流中可以被重复挪用视觉模块的初期版本。将来真正能被年夜范围挪用的图象模子，未必是最年夜的，而更多是于质量、速率及成本之间找到更好均衡的阿谁。

雷峰网原创文章，未经授权禁止转载。详情见转载须知。

-C17官方网站-C17(中国)