HomeIMG-1.2B-PL-epoch22-OPD300

Экспериментальная text-to-image модель на 1,24 млрд параметров от cpral. Это HomeIMG-1.2B-PL-epoch22 после короткой on-policy дистилляции (300 шагов, около часа) от FLUX.2 [klein] base 4B; работает в латентном пространстве FLUX.2 и поддерживает польский и английский.

🗣 Ключевые особенности

• 🗣 CFG 4 учителя «вшит» в скорость ученика: генерация идёт с guidance_scale=1.0, один проход денойзера на шаг вместо двух.
• 🏃‍♂ Заявлено примерно 2× быстрее базовой модели с CFG 3 при похожей визуальной оценке.
• 🤔 Это не дистилляция числа шагов: сэмплирование всё ещё 50 шагов Euler.
• 📝 300 шагов × 48 промптов = 14 400 траекторий и 115 200 состояний, оценённых учителем.
• ⌨ 50% промптов ученика на польском; учитель всегда получает английский оригинал.
• 👍 Обучение только на 256×256; другие разрешения работают слабо.

⌨ Пример

import torch
from diffusers import DiffusionPipeline

REPO = "cpral/HomeIMG-1.2B-PL-epoch22-OPD300"
pipe = DiffusionPipeline.from_pretrained(REPO, custom_pipeline=REPO, trust_remote_code=True).to("cuda")
image = pipe("rudy kot śpiący na parapecie, fotografia", num_inference_steps=50, guidance_scale=1.0,
             generator=torch.Generator("cuda").manual_seed(0)).images[0]
image.save("kot.png")