К содержимому
Изображения

Agate Preview 003

компактная генерация картинок 512×512

3 мин чтенияобновлено

Компактная нейросеть для генерации изображений по английскому текстовому описанию от проекта LogoLabs (занимается созданием логотипов на базе ИИ). Это развитие линейки Agate с архитектурой разделения на планировщик (thinker) и рендерер: модель научилась работать в разрешении 512×512 (раньше было только 256×256) и прошла дообучение с перцептивными функциями потерь (оценивают визуальное восприятие текстур и структуры, а не только попиксельную разницу). При скромном объёме в 261–309.8M параметров она обошла Stable Diffusion 1.5 на тесте Qwen-Image-Bench и работает даже в браузере через WebGPU. Подойдёт для экспериментов с лёгкими генераторами изображений, генерации символов, вывесок с текстом и локального запуска на видеокартах с небольшим объёмом памяти.

Ключевые особенности

  • Лёгкая архитектура: 261M параметров с быстрым декодером TAESD или 309.8M со стандартным SD-VAE (192.1M генератор + 68.1M текстовый энкодер).
  • Умная обработка промптов: пайплайн автоматически нормализует регистр, переносит конструкции «no X» / «without X» в негативный промпт, помечает количество объектов и диктует текст в кавычках по буквам для более точной отрисовки надписей.
  • Высокая скорость: генерация картинки 512×512 за 2.9 секунды на RTX 4060 (50 шагов, bf16 с использованием CUDA graphs) при пиковом потреблении 5.7 ГБ VRAM.
  • Несколько вариантов запуска: готовый код на Python, ноды для ComfyUI (версия 0.4.0) и демка прямо в браузере на WebGPU (~14 секунд на RTX 4060).
  • Открытая лицензия MIT: разрешено свободное использование как кода, так и весов модели.

Что можно сделать

  • Генерировать вывески, логотипы, символы и простые сцены с надписями в кавычках в разрешении 512×512 или 256×256.
  • Встроить в локальные рабочие процессы через ноды ComfyUI или запускать на слабом железе (поддерживается даже генерация на CPU).
  • Использовать как базу для исследовательских файнтюнов — авторы рекомендуют сохранять при дообучении связку saliency-weighted flow loss с LPIPS и P-DINO.

Пример

import sys
from huggingface_hub import snapshot_download

path = snapshot_download("Logolabs/agate-preview-003")
sys.path.insert(0, path)
from agate import AgatePipeline

pipe = AgatePipeline.from_pretrained(path, device="cuda")
image = pipe('a shop sign that says "OPEN", three red apples on a table, no people', seed=0)[0]
ПодробнееБенчмарки: 32.6 на Qwen-Image-Bench (против 29.1 у SD 1.5 и 28.9 у Agate Preview 002); 0.554 на GenEval (лучше справляется с двумя объектами, но уступает версии 002 в подсчёте и привязке цветов).
Железо: пик 5.7 ГБ VRAM на RTX 4060 (2.9 с с CUDA graphs, 4.5 с без них); на CPU генерация занимает около 100 секунд.
Обучение: 24 900 шагов дообучения на 256+512 px поверх базовой ветки на синтетическом датасете FLUX-Reason-6M (5.65M изображений).
Маркировка: по умолчанию добавляет невидимый водяной знак (dwtDctSvd) и метаданные ИИ-генерации в PNG.
Ограничения: статус research preview, понимает только английский язык, без встроенного фильтра безопасности (в 10% обычных промптов с людьми может генерировать наготу без запроса — рекомендуется использовать negative prompt).
Примеры
Обсудить Telegram 0 21

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 1.0 GB · готовые файлы2.6 GB
  • FP8 / INT8рекомендуемвеса 0.5 GB2.0 GB
  • 4-bitвеса 0.3 GB1.8 GB

Совет: берите 8-bit.FP8 / INT8 почти не отличается по качеству от полной точности (разница в пределах процента), а памяти занимает вдвое меньше и на RTX 40/50, H100 работает быстрее. Полную точность есть смысл брать только для дообучения.

Что взять под эту модель

Massed ComputeОткрыть Massed Compute

Своя видеокарта: FP8 / INT8 — от RTX 2060 · BF16 — от RTX 2060

Почасовые цены Massed Compute на ноябрь 2026. Цена со скидкой — с промокодом при оплате.

Оценка: веса плюс рабочая память. Длинные ролики, высокое разрешение и большой контекст требуют больше.

Запуск на Massed Compute

Скрипт скачает модель на арендованную машину. Как её запустить — в карточке модели.

  1. 1. Арендуйте машину с подходящей видеокартой

    Открыть Massed Compute
  2. 2. Вставьте скрипт в терминал машины

    Подключитесь по SSH (команда есть в панели Massed Compute) или откройте терминал на рабочем столе машины.

    HF_TOKEN / CIVITAI_TOKENВ начале скрипта строки для токенов: вставьте свой между кавычками. Токен Hugging Face нужен для закрытых моделей, токен Civitai — для моделей с Civitai.

    # neuralnetworker/agate-preview-003
    mkdir -p ~/models
    curl -LsSf https://astral.sh/uv/install.sh | sh
    source "$HOME/.local/bin/env"
    uv tool install "huggingface_hub[cli]"
    hf download neuralnetworker/agate-preview-003 --local-dir ~/models/agate-preview-003
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к agate-preview-003
  3. 3. Пользуйтесь

    Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).

Не забудьте остановить машину в панели, когда закончите: оплата идёт поминутно, пока она включена.

Как ускорить

Подобрано под тип модели. Выберите своё железо в блоке выше — покажем то, что подходит именно вам.

  • SageAttention 3v2.2.0от 28 октября 2025

    ещё быстрее на RTX 50 / Blackwell

    FP4-внимание для Blackwell. Быстрее SageAttention 2, но авторы советуют 2-ю версию, когда важна точность.

    Как включить: Сборка из папки sageattention3_blackwell репозитория; в ComfyUI — через KJNodes.

    Предыдущие поколения (2)
    • SageAttention 2++ — Квантованное (INT8/FP8) внимание без заметной потери качества. Главное ускорение для генерации картинок и видео.
    • SageAttention 1 — Первая версия: INT8 для Q·K. Работает и на старых сборках, но 2++ быстрее и точнее.
  • FlashAttention 44.0.0b40от 18 ноября 2026новая версия

    самое быстрое точное внимание на B200

    Ядра для Blackwell (пока бета). Точное внимание без квантования — подходит для всего, включая LLM.

    Как включить: pip install flash-attn-4; vLLM и SGLang подхватывают сами.

    Предыдущие поколения (3)
    • FlashAttention 3 — Версия для Hopper (H100/H200) с FP8.
    • FlashAttention 2 — Стандарт для RTX 30/40/50 и A100: точное внимание без лишней памяти на длинных контекстах.
    • xFormers — Старый способ ускорить внимание, работает почти везде. Если есть Sage или Flash — они быстрее.
  • cache-dit (DBCache)v1.5.6от 20 ноября 2026новая версия

    1.5–3× при почти том же качестве

    Переиспользует результаты блоков между шагами диффузии. Поддерживает большинство DiT-моделей.

    Как включить: pip install cache-dit; одна строка cache_dit.enable_cache(pipe) для diffusers.

    Предыдущие поколения (2)
    • MagCache — Пропускает шаги по величине изменений. Точнее TeaCache без калибровки.
    • TeaCache — Первый массовый кэш шагов диффузии. Работает, но новые методы точнее.
  • Nunchaku (SVDQuant 4-bit)v1.2.1от 25 января 2026

    ≈3× быстрее и в 3.5× меньше памяти

    4-битные версии популярных моделей картинок почти без потери качества (FP4 на RTX 50).

    Как включить: Есть готовые веса для поддерживаемых моделей; в ComfyUI — ComfyUI-nunchaku.

  • torch.compile2.15.0от 28 октября 2026новая версия

    10–30% бесплатно

    Компилирует модель под вашу видеокарту. Первый запуск дольше, дальше быстрее.

    Как включить: model = torch.compile(model); в ComfyUI — узел TorchCompileModel.

Семья модели

Дообучение модели

Logolabs/agate-preview-001

Новые посты про версии agate-preview-001 — сжатые, дообучения, LoRA — появятся в колокольчике.

Дообучения 3Все на Hugging Face

О модели

neuralnetworker/agate-preview-003
Автор
neuralnetworker
Категория
Изображения
Дата выхода
На сайте

На сайте

Hugging Face

210

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Компьютерное зрение

CSM-1-Preview

CSM-1-Preview