LLaDA-Image：先学习图像，再加入语言监督

LLaDA-Image: Building Strong Image Generators with Fully Open Training Recipes

研究图像生成与编辑的开放训练路线。Base 与 Turbo 已提供相应材料；采样步数不等于实测速度，开放范围以仓库为准。

首次公开：2026-09-03 · 收录：2026-09-06

作者

Chen, Chuyan；Chen, Haoxing；Chen, Kun；Cheng, Zhenglin；Cui, Long；Fang, Ruishan；Gu, Zhangxuan；Huang, Zhicheng；Lan, Zhenzhong；Lei, Yuanting；Li, Haoquan；Li, Jianguo；Li, Rongchuan；Li, Sidu；Lin, Tao；Liu, Deyuan；Liu, Jiacheng；Liu, Lin；Lou, Yuxuan；Lu, Zhisheng；Ma, Yuxin；Shen, Shuheng；Sun, Peng；Wang, Chaoyang；Wang, Hongjun；Wang, Xiaomei；Wang, Yongxin；Wu, Chengzhang；Wu, Hongru；Xie, Jun

论文原文 PDF 导入 Zotero（RIS）

阅读笔记

以下为2026-09-06期已核验稿件的阅读笔记，保留当时的证据与判断，不代表后续研究已确认。

🖼️ 04 / LLaDA-Image 开放权重，先学图像再学文字

图像生成与编辑 · 8/10 · 近期补看：9 月 4 日开放权重 · 持续观察

inclusionAI 已发布 LLaDA-Image 的 Base、Turbo 权重与推理代码。模型支持图像生成和指令编辑，生成部分采用 6B 参数的扩散 Transformer。其训练路线有一个值得注意的选择：前期先通过纯图像学习视觉规律，后续再加入图文配对监督和生成、编辑联合训练。

Turbo 版本经过蒸馏，论文报告可用 2–4 步采样，仓库示例推荐 4 步。这降低了反复生成和修改时的计算步骤，但采样步数不等于端到端耗时，实际速度还取决于硬件、分辨率和整条推理流程。

项目列出了 Qwen-Image-Bench 上的领先成绩，目前应当视为作者自报，不能据此认定它在所有风格和编辑任务上都更好。开放程度也要分开看：权重和推理代码已经有了，训练配方写在论文里，训练代码仍标为待发布。 后续更值得看社区能否复现质量，以及中文细节、显存占用和连续编辑的实际表现。

[官方仓库与发布记录](https://github.com/inclusionAI/LLaDA-Image)) · [技术论文](https://arxiv.org/html/2609.03796v1)) · [Turbo 权重](https://huggingface.co/inclusionAI/LLaDA-Image-Turbo))

入选理由：9月4日实际开放权重和推理代码；训练代码待发布，采样步骤不等于实际耗时。

论文原始日期：2026-09-03；本期归档日期：2026-09-06。
本期资料：https://www.asteronline.cn/juju-radar/2026-09-06/
AI辅助整理。

笔记记录收录当期的判断。阅读一手材料不等于独立复现；后续进展请以原始来源为准。