/ Модель

Характеристики

Лицензия
Apache 2.0
Библиотека
diffusers
Опубликована
7 сен 2025

Step1X-Edit-v1p2-preview

Преобразование изображенийИзображение, текст → изображение3 профессии

Предварительная модель StepFun редактирует изображения по текстовым инструкциям и поддерживает рассуждение для сложных правок.

43скачиваний за 30 дней19лайковвеса обновлены8 сен 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-preview — предварительная версия модели редактирования изображений от StepFun. Она принимает изображение и инструкцию пользователя, разбирает запрос с помощью мультимодальной языковой модели и формирует токены редактирования, которые преобразуются в изображение сетью на основе DiT. Версия v1p2 добавляет рассуждение при редактировании и reflective correction для более точного выполнения сложных инструкций.

Модель предназначена для редактирования изображений по текстовым инструкциям, включая сценарии с несколькими этапами или требованиями. В README приведены результаты сравнений на KRIS-Bench и GEdit-Bench; авторы сообщают об улучшении качества редактирования и следования инструкциям относительно предыдущих версий. Репозиторий использует Diffusers и формат Safetensors, лицензия — Apache-2.0. README называет версию предварительной, а технический отчёт для неё обещан позднее.

Сценарии применения

  • редактирование фотографии по текстовому запросу
  • выполнение сложных инструкций по изменению изображения
  • коррекция изображения с учётом нескольких требований
  • изменение сцены или объектов на изображении по описанию

Ограничения

Версия обозначена как preview, а подробный технический отчёт для неё ещё не опубликован. Приведённые оценки относятся к указанным бенчмаркам и сами по себе не гарантируют качество на конкретных пользовательских запросах.

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!!

  • Sep 08, 2025: 👋 We release step1x-edit-v1p2-preview, a new version of Step1X-Edit with reasoning edit ability and better performance (report to be released soon), featuring:
    • Native Reasoning Edit Model: Combines instruction reasoning with reflective correction to handle complex edits more accurately. Performance on KRIS-Bench:
      ModelsFactual Knowledge ⬆️Conceptual Knowledge ⬆️Procedural Knowledge ⬆️Overall ⬆️
      Step1X-Edit v1.153.0554.3444.6651.59
      Step1x-edit-v1p2-preview60.4958.8141.7752.51
      Step1x-edit-v1p2-preview (thinking)62.2462.2544.4355.21
      Step1x-edit-v1p2-preview (thinking + reflection)62.9461.8244.0855.64
    • Improved image editing quality and better instruction-following performance. Performance on GEdit-Bench:
      ModelsG_SC ⬆️G_PQ ⬆️G_O ⬆️Q_SC ⬆️Q_PQ ⬆️Q_O ⬆️
      Step1X-Edit (v1.0)7.137.006.447.397.287.07
      Step1X-Edit (v1.1)7.667.356.977.657.417.35
      Step1x-edit-v1p2-preview8.147.557.427.907.347.40

🧩 Model Usages

Install the diffusers package from the following command:

git clone -b dev/MergeV1-2 https://github.com/Peyton-Chen/diffusers.git
cd diffusers
pip install -e .

Here is an example for using the Step1XEditPipelineV1P2 class to edit images with thinking and reflection:

import torch
from diffusers import Step1XEditPipelineV1P2
from diffusers.utils import load_image
pipe = Step1XEditPipelineV1P2.from_pretrained("stepfun-ai/Step1X-Edit-v1p2-preview", torch_dtype=torch.bfloat16)
pipe.to("cuda")
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=28,
    true_cfg_scale=4,
    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])

The results will look like:

📑 Model introduction

Framework of Step1X-Edit. Step1X-Edit leverages the image understanding capabilities of MLLMs to parse editing instructions and generate editing tokens, which are then decoded into images using a DiT-based network.More details please refer to our technical report.

We release GEdit-Bench as a new benchmark, grounded in real-world usages is developed to support more authentic and comprehensive evaluation. This benchmark, which is carefully curated to reflect actual user editing needs and a wide range of editing scenarios, enables more authentic and comprehensive evaluations of image editing models. Part results of the benchmark are shown below:

Citation

@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
f77b8ed

0 моделей