上证报中国证券网讯（记者孙小程）4月27日汇利资本，阶跃星辰正式发布并开源图像编辑大模型Step1X-Edit。该模型总参数量为19B (7B MLLM + 12B DiT)，具备语义精准解析、身份一致性保持、高精度区域级控制三项关键能力；支持11类高频图像编辑任务类型，如文字替换、风格迁移、材质变换、人物修图等。据介绍，Step1X-Edit不只能“改图”，更能“听得懂、改得准、保得住”。
在技术层面，Step1X-Edit采用MLLM（Multimodal LLM）+ Diffusion的解耦式架构，分别负责自然语言理解与高保真图像生成，相比现有图像编辑模型，该架构在指令泛化能力与图像可控性上更具优势。
MLLM模块负责处理自然语言指令与图像内容，具备多模态语义理解能力，可将复杂编辑需求解析为latent控制信号；Diffusion模块作为图像生成器（Image Decoder），根据MLLM生成的latent信号完成图像的重构或局部修改，确保图像细节保真与风格统一。这一结构打破了传统pipeline模型中“理解”和“生成”各自为政的问题，使模型在执行复杂编辑指令时具备更高的准确性与控制力。
智慧优配平台提示：文章来自网络，不代表本站观点。
