/ Модель

Характеристики

Лицензия
MIT
Библиотека
diffusers
Опубликована
19 ноя 2025

Kandinsky-5.0-I2I-Lite-sft-Diffusers

Преобразование изображенийИзображение, текст → изображение3 профессии

Дообученная диффузионная модель KandinskyLab на 6 млрд параметров для редактирования и преобразования изображений.

160скачиваний за 30 дней8лайковвеса обновлены12 окт 2026

Бенчмарки

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

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

Kandinsky 5.0 I2I Lite SFT — модель редактирования изображений из семейства Kandinsky 5.0, разработанного KandinskyLab. Это дообученная версия предварительно обученной Kandinsky-5.0-I2I-Lite, предназначенная для преобразования и редактирования изображений. Модель содержит 6 млрд параметров и использует латентную диффузию с Flow Matching и генеративный бэкбон Diffusion Transformer (DiT), связанный с текстовыми представлениями через cross-attention. Для кодирования текста применяются Qwen2.5-VL и CLIP, для кодирования и декодирования изображений — Flux VAE.

Модель распространяется в формате Diffusers; для работы авторы указывают использовать форк Diffusers, пока поддержка не будет объединена с основной библиотекой. Лицензия — MIT. Карточка называет её вариантом с высоким качеством генерации, но не приводит в доступном тексте количественных оценок или подробных результатов.

Сценарии применения

  • редактирование изображения по текстовому запросу
  • изменение стиля или визуальных деталей изображения
  • создание вариаций исходного изображения
  • преобразование загруженного изображения с помощью диффузионной генерации

Ограничения

Для использования авторы рекомендуют форк Diffusers, поскольку интеграция с основной библиотекой ещё не завершена. В доступном тексте карточки нет количественных оценок качества.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Latest updates

11/24/2025 - We are not in diffusers yet please use diffusers fork. We are working on merging with diffusers.

Kandinsky 5.0 is a family of diffusion models for video and image generation.

Kandinsky 5.0 Image Lite is a lightweight text-to-image (I2I) generation model with 6B parameters.

The model introduces several key innovations:

  • Latent diffusion pipeline with Flow Matching for improved training stability
  • Diffusion Transformer (DiT) as the main generative backbone with cross-attention to text embeddings
  • Dual text encoding using Qwen2.5-VL and CLIP for comprehensive text understanding
  • Flux VAE for efficient image encoding and decoding

The original codebase can be found at kandinskylab/Kandinsky-5.

Available Models

Kandinsky 5.0 Image Lite:

model_idDescriptionUse Cases
kandinskylab/Kandinsky-5.0-T2I-Lite-sft-Diffusers6B supervised fine-tuned text-to-image modelHighest generation quality
kandinskylab/Kandinsky-5.0-I2I-Lite-sft-Diffusers6B supervised fine-tuned image-to-image editing modelHighest generation quality
kandinskylab/Kandinsky-5.0-T2I-Lite-pretrain-Diffusers6B base pretrained text-to-image modelResearch and fine-tuning
kandinskylab/Kandinsky-5.0-I2I-Lite-pretrain-Diffusers6B base pretrained image-to-image editing modelResearch and fine-tuning

Examples

Kandinsky5I2IPipeline Usage Example

import torch
from diffusers import Kandinsky5I2IPipeline # use duffusers fork: pip install git+https://github.com/leffff/diffusers
from diffusers.utils import load_image 
# Load the pipeline
model_id = "kandinskylab/Kandinsky-5.0-I2I-Lite-sft-Diffusers"
pipe = Kandinsky5I2IPipeline.from_pretrained(model_id)

_ = pipe.to(device='cuda',dtype=torch.bfloat16)
pipe.enable_model_cpu_offload()                                               # <--- Enable CPU offloading for single GPU inference

# Edit the input image
image = load_image(
    "https://huggingface.co/kandinsky-community/kandinsky-3/resolve/main/assets/title.jpg?download=true"
)

prompt = "Change the background from a winter night scene to a bright summer day. Place the character on a sandy beach with clear blue sky, soft sunlight, and gentle waves in the distance. Replace the winter clothing with a light short-sleeved T-shirt (in soft pastel colors) and casual shorts. Ensure the character’s fur reflects warm daylight instead of cold winter tones. Add small beach details such as seashells, footprints in the sand, and a few scattered beach toys nearby. Keep the oranges in the scene, but place them naturally on the sand."
negative_prompt = ""

output = pipe(
    image=image,
    prompt=prompt,
    negative_prompt=negative_prompt,
    guidance_scale=3.5,
).image[0]

Results

Citation

@misc{arkhipkin2026kandinsky50familyfoundation,
      title={Kandinsky 5.0: A Family of Foundation Models for Image and Video Generation}, 
      author={Vladimir Arkhipkin and Vladimir Korviakov and Nikolai Gerasimenko and Denis Parkhomenko and Viacheslav Vasilev and Alexey Letunovskiy and Nikolai Vaulin and Maria Kovaleva and Ivan Kirillov and Lev Novitskiy and Denis Koposov and Nikita Kiselev and Alexander Varlamov and Dmitrii Mikhailov and Vladimir Polovnikov and Andrey Shutkin and Julia Agafonova and Ilya Vasiliev and Anastasiia Kargapoltseva and Anna Dmitrienko and Anastasia Maltseva and Anna Averchenkova and Olga Kim and Tatiana Nikulina and Denis Dimitrov},
      year={2026},
      eprint={2511.14993},
      archivePrefix={arXiv},
      primaryClass={cs.CV},
      url={https://arxiv.org/abs/2511.14993}, 
}

Как запустить

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

GPU в ailist

Универсальный рантайм · diffusers

Нельзя запустить

Модели «картинка → картинка» пока не запускаются.

Ревизия весов
e473205

0 моделей