AuroraIMG2-100M

AuroraIMG2-100M

用一个在单块显卡上从零训练的 100M 参数小模型，根据文字生成 256x256 的图片。适合想运行或研究小型文生图模型的人。

由 AuroraAI-Research 在 Hugging Face 上制作。这些说明是 Mindket 根据它的模型页面和模型卡写的，模型自己的文件和许可证在 Hugging Face 上。

简介

它是什么：AuroraIMG2-100M 是一个能生成 256x256 图片的小型文生图模型。它把一个 100.6M 参数的流匹配扩散 transformer 和一个 44.9M 参数的文本编码器配在一起，两者都在单块 NVIDIA RTX PRO 6000 上从零训练。它沿用 FLUX.2 的 VAE 潜在空间和一个冻结的 FLUX.2 small 解码器。

适合谁：适合想要一个能运行、能研究的超小图像模型的开发者和研究人员，也适合想看看单块显卡训练的模型能做到什么的人。

行业 | 谁在用 | 怎么用 | 例子
研究 | 图像模型研究人员 | 研究一个小型流匹配模型 | 和 50M Preview 做对比
软件 | 测试流程的开发者 | 通过 diffusers 加载自定义管线 | 在 CI 任务里生成小的测试图片
教育 | 学习扩散模型的学生 | 看看一个紧凑模型的各个部分 | 阅读设置表并运行快速上手脚本

需要更大图片的人可以跳过它，因为分辨率固定为 256x256。

用在哪里：

• 带 diffusers 库的 Python
• NVIDIA 显卡或 CPU，因为快速上手脚本会选择可用的那个
• Windows、macOS 或 Linux，你可以用 Python 下载文件

用途 | 谁用 | 得到什么
小图生成 | 开发者 | 根据文字提示词生成的 256x256 图片
批量生成 | 试验者 | 每个提示词多张图片，或一次传入一个提示词列表
模型研究 | 研究人员 | 一个有公开设置和分数的紧凑模型

如何设置：

你需要先准备：

• Python 和 huggingface_hub 包
• diffusers 库和 PyTorch
• 允许运行仓库的自定义管线，因为模型卡说需要把 trust_remote_code 设为 True

1. 安装 Hugging Face hub 包。
2. 把模型文件下载到你的电脑，F32 格式约占 402 MB。
3. 运行下面的快速上手脚本。

pip install -U huggingface_hub
hf download AuroraAI-Research/AuroraIMG2-100M

如何使用：用你自己的提示词运行快速上手脚本。批量生成时传入一个提示词列表，想要每个提示词多张图片就用 num_images_per_prompt。

import torch
from diffusers import DiffusionPipeline

device = "cuda" if torch.cuda.is_available() else "cpu"

pipe = DiffusionPipeline.from_pretrained(
    "AuroraAI-Research/AuroraIMG2-100M",
    custom_pipeline="AuroraAI-Research/AuroraIMG2-100M",
    trust_remote_code=True,
).to(device)

generator = torch.Generator(device=device).manual_seed(0)
image = pipe(
    prompt="Vintage Yellow Enamel Tea Kettle with Black Handle and Spout",
    num_inference_steps=50,
    guidance_scale=4.0,
    generator=generator,
).images[0]
image.save("auroraimg2.png")

工具 | 作用
num_inference_steps | 设置采样步数，默认 50，快速生成用 20
guidance_scale | 设置 CFG 值，模型卡的测试里是 4.0
shift | 设置时间网格偏移，模型卡的测试里是 1.5
guidance_off_below | 在最后几个低噪声步骤里关闭引导

示例：你传入一个提示词，比如一个带黑色把手和壶嘴的复古黄色搪瓷茶壶。脚本会保存一张 256x256 的图片，文件名为 auroraimg2.png。

新手与专家：文生图模型根据一句话画出一幅图。第一步可以先用示例提示词运行快速上手脚本，再换成你自己的提示词。

模型使用带无分类器引导的潜在流匹配和 Euler 采样器。它的潜在空间在 FLUX.2 VAE 空间里是 128 乘 16 乘 16，文本编码器是 12 层的双向 transformer，使用字节级 BPE 词表。它没有负面提示词，因为无条件分支是一个学出来的空提示词，任意的负面提示词不在训练范围内。

写一段文字提示词
文本编码器读取最多 190 个 token
transformer 用 50 步对潜在向量去噪
FLUX.2 解码器把它变成像素

注意事项：

• 大小：Hugging Face 记录为 101M 个参数，F32 格式约 402 MB，4-bit 约 50 MB（估算）
• 训练：在一块 RTX PRO 6000 上以批大小 512 训练了 235,000 步，约 80 个 GPU 小时
• 分数：模型卡报告它在 GenEval 2 上的 Soft-TIFA GM 为 10.80，Soft-TIFA AM 为 48.62，比 Preview 有所提高

Title: GenEval 2 Soft-TIFA GM
AuroraIMG2-100M: 10.80
AuroraIMG2-50M-Preview: 6.00

Title: GenEval 2 Soft-TIFA AM
AuroraIMG2-100M: 48.62
AuroraIMG2-50M-Preview: 36.03

• License: apache-2.0，随附的 FLUX.2 small 解码器同样是 Apache-2.0
• Cost to run: 没有提到，不需要 API 密钥或账号
• Data it reaches: 它会从 Hugging Face 下载模型文件，快速上手脚本会运行随仓库一起提供的自定义管线代码
• Not for: 大于 256x256 的图片，或任意的负面提示词，因为模型卡说这两者都不在设计之内

Hugging Face 上的数据（2026年11月13日）

• 任务：text to image
• 框架：diffusers
• 参数量：101M
• Weights: about 402 MB in F32; about 50 MB at 4-bit (estimate)
• Formats: Safetensors
• 最近 30 天下载：179
• 点赞：24
• 许可证：apache-2.0
• 语言：en
• 标签：diffusers, safetensors, text-to-image, rectified-flow, flow-matching, latent-diffusion, diffusion-transformer, tiny-model, from-scratch, muon, custom-pipeline, aurora

链接

• 模型：https://huggingface.co/AuroraAI-Research/AuroraIMG2-100M
• 文件：https://huggingface.co/AuroraAI-Research/AuroraIMG2-100M/tree/main

获取模型

用 Hugging Face 的命令行下载它的文件：

pip install -U huggingface_hub
hf download AuroraAI-Research/AuroraIMG2-100M

然后按它的模型卡使用它。这个工具包里没有会自己运行的东西。