100M 参数图像模型发布：GenEval 2 追平 SDXL，样本却被吐槽

图像模型圈出现了一个反常识的小东西。Reddit 用户 Tall_Abrocoma_3533 发布了 AuroraIMG2-100M，参数量只有 1 亿，采用 Apache 2.0 许可，模型卡里给了训练细节、架构说明、diffusers 快速开始和样本。作者称它相比 Preview 有大改进，并删掉了发布帖里稍微误导的标题。

它最容易被误解的地方在指标。有人问 100M 是不是能对标 SDXL。作者回复，只有 GenEval 2 分数接近，模型对提示词的敏感度和分辨率仍受体积限制。GenEval 2 测的是提示词遵循，不直接等于画面质量。

评论区很快分成两拨。有人贴出反应图：

也有人直接放样本截图：

质疑很集中：样本看起来不像这个年代的模型。作者的解释也直接：这是 100M 参数，不是几十亿参数的新模型，模型卡里已经写了限制。另有评论补了一句，这是个人开发者在自己的机器上训练的项目，不能拿大公司的产线标准去套。

跟帖里有人留下一句 We are so back (to 2021)，也有人拿 GTA 6 开玩笑。嘲讽背后是样本质量与发布声势之间的落差。有评论说它像 waifu 缩略图生成器和 SD1.5 之间的东西，体积小是亮点；也有人追问为什么训练这么宽的概念，不做垂直模型。

把样本和指标分开看，AuroraIMG2-100M 更像一次参数效率实验。100M 的体量能拿到不错的提示词遵循分数，说明小模型在特定评测上可以很能打。画面质感、复杂场景、分辨率这些硬指标不会因为一个分数消失。Apache 2.0 和 diffusers 兼容让它更容易被拿去做二次实验，作者暂时不打算出 GGUF 量化。

想看它是不是真有用，最好跑一遍模型卡里的 quick start，用同一组提示词和 SDXL 或 SD1.5 对比，别只看精选样本。研究价值大于直接生产力，这句话对现在的它比较合适。原帖在 Reddit 讨论。