/ Модель

Характеристики

Лицензия
Apache 2.0
Библиотека
diffusers
Опубликована
26 ноя 2025

Step1X-Edit-v1p2

Преобразование изображенийИзображение, текст → изображение3 профессии

Модель StepFun для редактирования изображений по текстовым инструкциям с этапами рассуждения и проверки результата.

686скачиваний за 30 дней65лайковвеса обновлены29 дек 2025

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

Step1X-Edit-v1p2 — модель редактирования изображений по текстовым инструкциям, выпущенная командой StepFun и также называемая ReasonEdit-S в статье. Она сочетает мультимодальную языковую модель с циклом «обдумывание — редактирование — проверка»: сначала интерпретирует запрос с опорой на знания о мире, затем оценивает результат, исправляет нежелательные изменения и определяет, когда остановиться.

Модель предназначена для инструкционного редактирования изображений, включая запросы, требующие понимания абстрактных формулировок. Авторы сообщают об улучшении результатов на KRIS-Bench и GEdit-Bench. Для запуска README приводит проверенную версию Transformers 4.55.0; репозиторий использует Diffusers и формат safetensors. Поддерживаются английский и китайский языки. Лицензия — Apache-2.0.

Сценарии применения

  • редактирование изображения по текстовому запросу
  • изменение объектов и деталей на изображении
  • выполнение абстрактных инструкций по редактированию
  • исправление нежелательных изменений после редактирования

Ограничения

README сообщает о сравнительных результатах на KRIS-Bench и GEdit-Bench, но не приводит численные показатели. Для запуска указана проверенная версия Transformers 4.55.0.

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

🔥🔥🔥 News!!

Nov 26, 2025: 👋 We release Step1X-Edit-v1p2 (referred to as ReasonEdit-S in the paper), a native reasoning edit model with better performance on KRIS-Bench and GEdit-Bench. Technical report can be found here.

⚡️ Model Usages

Make sure your transformers==4.55.0 (we tested on this version)

Install the diffusers package from the following command:

git clone -b step1xedit_v1p2 https://github.com/Peyton-Chen/diffusers.git
cd diffusers
pip install -e .

pip install RegionE # optional, for faster inference

Here is an example for using the Step1X-Edit-v1p2 model to edit images:

import torch
from diffusers import Step1XEditPipelineV1P2
from diffusers.utils import load_image
from RegionE import RegionEHelper

pipe = Step1XEditPipelineV1P2.from_pretrained("stepfun-ai/Step1X-Edit-v1p2", torch_dtype=torch.bfloat16)
pipe.to("cuda")

# Import the RegionEHelper, optional, for faster inference
regionehelper = RegionEHelper(pipe)
regionehelper.set_params()   # default hyperparameter
regionehelper.enable()

print("=== processing image ===")
image = load_image("examples/0000.jpg").convert("RGB")
prompt = "add a ruby pendant on the girl's neck."
enable_thinking_mode=True
enable_reflection_mode=True
pipe_output = pipe(
    image=image,
    prompt=prompt,
    num_inference_steps=50,
    true_cfg_scale=6,
    generator=torch.Generator().manual_seed(42),
    enable_thinking_mode=enable_thinking_mode,
    enable_reflection_mode=enable_reflection_mode,
)
if enable_thinking_mode:
    print("Reformat Prompt:", pipe_output.reformat_prompt)
for image_idx in range(len(pipe_output.images)):
    pipe_output.images[image_idx].save(f"0001-{image_idx}.jpg", lossless=True)
    if enable_reflection_mode:
        print(pipe_output.think_info[image_idx])
        print(pipe_output.best_info[image_idx])
pipe_output.final_images[0].save(f"0001-final.jpg", lossless=True)

regionehelper.disable()

The results looks like:

📖 Introduction

Step1X-Edit-v1p2 represents a step towards reasoning-enhanced image editing models. We show that unlocking the reasoning capabilities of MLLMs can further expand the limits of instruction-based editing. Specifically, we introduce two complementary reasoning mechanisms, thinking and reflection, to improve instruction comprehension and editing accuracy. Building on these mechanisms, our framework performs editing in a thinking–editing–reflection loop: the thinking stage leverages MLLM world knowledge to interpret abstract instructions, while the reflection stage reviews the edited outputs, corrects unintended changes, and determines when to stop. For more details, please refer to our technical report.

Citation

@article{yin2025reasonedit,
  title={ReasonEdit: Towards Reasoning-Enhanced Image Editing Models}, 
  author={Fukun Yin, Shiyu Liu, Yucheng Han, Zhibo Wang, Peng Xing, Rui Wang, Wei Cheng, Yingming Wang, Aojie Li, Zixin Yin, Pengtao Chen, Xiangyu Zhang, Daxin Jiang, Xianfang Zeng, Gang Yu},
  journal={arXiv preprint arXiv:2511.22625},
  year={2025}
}

@article{liu2025step1x-edit,
  title={Step1X-Edit: A Practical Framework for General Image Editing}, 
  author={Shiyu Liu and Yucheng Han and Peng Xing and Fukun Yin and Rui Wang and Wei Cheng and Jiaqi Liao and Yingming Wang and Honghao Fu and Chunrui Han and Guopeng Li and Yuang Peng and Quan Sun and Jingwei Wu and Yan Cai and Zheng Ge and Ranchen Ming and Lei Xia and Xianfang Zeng and Yibo Zhu and Binxing Jiao and Xiangyu Zhang and Gang Yu and Daxin Jiang},
  journal={arXiv preprint arXiv:2504.17761},
  year={2025}
}

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
ca85b97

0 моделей