/ Модель

Характеристики

Лицензия
MIT
Библиотека
diffusers
Опубликована
19 ноя 2025

Kandinsky-5.0-T2I-Lite-sft-Diffusers

Генерация изображенийТекст → изображение4 профессии

Шестимиллиардная диффузионная модель Kandinsky Lab для генерации изображений по текстовым описаниям.

344скачиваний за 30 дней17лайковвеса обновлены12 окт 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

Kandinsky 5.0 T2I Lite SFT — модель генерации изображений по текстовому описанию от команды Kandinsky Lab. Это облегчённая модель семейства Kandinsky 5.0 с 6 млрд параметров, дообученная под контролируемым обучением на основе Kandinsky-5.0-T2I-Lite-pretrain-Diffusers.

Модель использует латентный диффузионный конвейер с Flow Matching и Diffusion Transformer (DiT), который взаимодействует с текстовыми представлениями через cross-attention. Для кодирования текста применяются Qwen2.5-VL и CLIP, а для кодирования и декодирования изображений — Flux VAE. Модель предназначена для создания изображений по текстовым запросам; в README она обозначена как вариант с наивысшим качеством генерации среди перечисленных моделей Image Lite.

Репозиторий распространяется в формате Diffusers и под лицензией MIT. В README указано, что на момент обновления модели поддержка ещё не была включена в основной Diffusers и предлагалось использовать форк; это может влиять на настройку и запуск.

Сценарии применения

  • создание иллюстраций по текстовому описанию
  • генерация концепт-арта по запросу
  • создание изображений для публикаций и презентаций

Ограничения

Для запуска может потребоваться форк Diffusers: в README сказано, что на дату обновления поддержка модели ещё не была включена в основной Diffusers. Требования к ресурсам и поддерживаемые языки текстовых запросов в предоставленных источниках не описаны.

Для каких профессий подходит4

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 (T2I) 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

Kandinsky5T2IPipeline Usage Example

import torch
from diffusers import Kandinsky5T2IPipeline # use duffusers fork pip install git+https://github.com/leffff/diffusers

# Load the pipeline
model_id = "kandinskylab/Kandinsky-5.0-T2I-Lite-sft-Diffusers"
pipe = Kandinsky5T2IPipeline.from_pretrained(model_id)
_ = pipe.to(device="cuda", dtype=torch.bfloat16)

# Generate image
prompt = "A fluffy, expressive cat wearing a bright red hat with a soft, slightly textured fabric. The hat should look cozy and well-fitted on the cat’s head. On the front of the hat, add clean, bold white text that reads “SWEET”, clearly visible and neatly centered. Ensure the overall lighting highlights the hat’s color and the cat’s fur details."

output = pipe(
    prompt=prompt,
    negative_prompt="",
    height=1024,
    width=1024,
    num_inference_steps=50,
    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

Можно запустить

Подбираем GPU…

Ревизия весов
c0158b5

0 моделей