# FlashAR 用 0.05% 的训练数据，把自回归图像模型的生成速度提了 22.9 倍

> 原标题：22.9倍加速！FlashAR：仅用0.05%数据，让预训练好的自回归图像模型飞起来

- 来源：机器之心 · 公众号
- 发布时间：2026-05-23T13:58:00.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/26815
- 原文：https://mp.weixin.qq.com/s?__biz=MzA3MzI4MjgzMw==&mid=2651034626&idx=3&sn=b2bf74624dd0f10786bae2d650ffc2a5

## 摘要

浙大和阿德莱德大学搞了个 FlashAR，专门给预训练好的自回归图像模型加速。拿 Emu3.5-Image-34B 试了一下，生成一张 512×512 的图，原来要 130.10 秒，现在只要 5.68 秒，快了 22.9 倍。而且只用了原始训练数据量的 0.05% 做微调，GenEval 分数从 80.48 变成 80.29，画质基本没掉。正文没披露...

## 推荐理由

FlashAR 用极少量数据给预训练好的自回归图像模型做加速，速度提升 22.9 倍，质量几乎没掉，对在意推理延迟和成本的团队是个好消息。论文给了具体数字和 GenEval 对比，信息量够，但正文没披露这 0.05% 数据具体怎么选、不同分辨率下是否同样有效，这点先别太激动。整体是扎实的推理优化工作，不是顶级实验室的模型发布，放 featured 合适。

## 锐评

浙大和阿德莱德大学这个 FlashAR，专门给已经训练好的自回归图像模型加速。拿 Emu3.5-Image-34B 跑 512×512 的图，原来要 130 秒，现在 5.68 秒就出图，快了 22.9 倍。微调只用了原始训练数据量的 0.05%，GenEval 分数从 80.48 掉到 80.29，画质损失可以忽略不计。

但原文因为微信环境验证问题，实际内容没抓到，只看到了摘要。具体 FlashAR 是怎么做到这种加速的——是改了采样策略、蒸馏了小模型、还是做了投机解码之类的——正文没披露。也没有提到这个方法对其他自回归图像模型（比如 LlamaGen 系列）的通用性如何，以及 5.68 秒是在什么硬件上跑的。

如果这个方法真像摘要说的这么省数据、不掉点，那对自回归图像生成落地是个好消息，毕竟 130 秒等一张图根本没法用。但得等看到完整论文才能判断这个加速是不是靠牺牲多样性或者只对特定模型有效。