/ Модель

Характеристики

Лицензия
Apache 2.0
Базовая модель
Sana_Sprint_1.6B_1024px
Библиотека
sana, sana-sprint
Опубликована
21 мар 2025

Sana_Sprint_1.6B_1024px_diffusers

Генерация изображенийТекст → изображение

SANA-Sprint — компактная диффузионная модель NVIDIA для быстрой генерации изображений по текстовым запросам за 1–4 шага.

0скачиваний за 30 дней26лайковвеса обновлены31 июл 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Изображения» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели сгенерируют результат по каждой задаче. Опубликованный тест появится на этой странице.

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

SANA-Sprint — модель генерации изображений по текстовому описанию, разработанная NVIDIA и командой Sana. Это диффузионный трансформер с 1,6 млрд параметров, обученный методом дистилляции согласованности и рассчитанный на генерацию изображений размером около 1024 пикселей. Модель использует текстовый энкодер Gemma 2 2B IT и сжатый в 32 раза латентный энкодер DC-AE; репозиторий содержит веса в формате Diffusers и BF16.

Модель создаёт изображения за 1–4 шага диффузии и предназначена для художественной генерации, дизайна и творческих приложений. В README заявлены результаты 7,59 FID и 0,74 GenEval за один шаг, а также высокая скорость генерации; приведённые показатели производительности относятся к конкретным GPU и условиям запуска.

Модель может недостаточно точно передавать фотореализм, плохо генерирует сложный читаемый текст и может ошибаться в изображении пальцев. Сжатие изображения энкодером с потерями также ограничивает точность восстановления. Лицензия репозитория — Apache 2.0; README дополнительно указывает условия использования Gemma 2 2B IT.

Сценарии применения

  • быстрое создание иллюстраций по текстовому описанию
  • генерация концепт-арта для дизайна
  • создание изображений для творческих приложений
  • интерактивная генерация изображений с ControlNet

Ограничения

Модель может недостаточно точно передавать фотореализм, плохо генерирует сложный читаемый текст и может ошибаться при изображении пальцев. Латентное сжатие является lossy и ограничивает точность восстановления.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

🐱 Sana Model Card

Demos

Training Pipeline

Model Efficiency

SANA-Sprint is an ultra-efficient diffusion model for text-to-image (T2I) generation, reducing inference steps from 20 to 1-4 while achieving state-of-the-art performance. Key innovations include: (1) A training-free approach for continuous-time consistency distillation (sCM), eliminating costly retraining; (2) A unified step-adaptive model for high-quality generation in 1-4 steps; and (3) ControlNet integration for real-time interactive image generation. SANA-Sprint achieves 7.59 FID and 0.74 GenEval in just 1 step — outperforming FLUX-schnell (7.94 FID / 0.71 GenEval) while being 10× faster (0.1s vs 1.1s on H100). With latencies of 0.1s (T2I) and 0.25s (ControlNet) for 1024×1024 images on H100, and 0.31s (T2I) on an RTX 4090, SANA-Sprint is ideal for AI-powered consumer applications (AIPC).

Source code is available at https://github.com/NVlabs/Sana.

Model Description

Model Sources

For research purposes, we recommend our generative-models Github repository (https://github.com/NVlabs/Sana), which is more suitable for both training and inference MIT Han-Lab provides free SANA-Sprint inference.

🧨 Diffusers

Under construction PR

from diffusers import SanaSprintPipeline
import torch

pipeline = SanaSprintPipeline.from_pretrained(
    "Efficient-Large-Model/Sana_Sprint_1.6B_1024px_diffusers",
    torch_dtype=torch.bfloat16
)
pipeline.to("cuda:0")

prompt = "a tiny astronaut hatching from an egg on the moon"

image = pipeline(prompt=prompt, num_inference_steps=2).images[0]
image.save("sana_sprint.png")

Uses

Direct Use

The model is intended for research purposes only. Possible research areas and tasks include

  • Generation of artworks and use in design and other artistic processes.

  • Applications in educational or creative tools.

  • Research on generative models.

  • Safe deployment of models which have the potential to generate harmful content.

  • Probing and understanding the limitations and biases of generative models.

Excluded uses are described below.

Out-of-Scope Use

The model was not trained to be factual or true representations of people or events, and therefore using the model to generate such content is out-of-scope for the abilities of this model.

Limitations and Bias

Limitations

  • The model does not achieve perfect photorealism
  • The model cannot render complex legible text
  • fingers, .etc in general may not be generated properly.
  • The autoencoding part of the model is lossy.

Bias

While the capabilities of image generation models are impressive, they can also reinforce or exacerbate social biases.

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · sana, sana-sprint

Можно запустить

Подбираем GPU…

Ревизия весов
19683c5

0 моделей