# OpenAI 把一致性模型简化并扩展到 15 亿参数，两步出图，质量追平扩散模型

> 原标题：Simplifying, stabilizing, and scaling continuous-time consistency models

- 来源：OpenAI News
- 发布时间：2024-10-23T10:00:00.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/684
- 原文：https://openai.com/index/simplifying-stabilizing-and-scaling-continuous-time-consistency-models

## 摘要

OpenAI 发了个新方法叫 sCM，把连续时间一致性模型的训练搞稳定了，直接扩到 15 亿参数，在 512×512 的 ImageNet 上跑。它只用两步采样，出图质量就能跟现在最好的扩散模型打平，单张 A100 上 0.11 秒出一张图，比扩散模型快大约 50 倍。论文里对比了有效算力，sCM 花不到 10% 的算力就拿到差不多的 FID 分数。

## 推荐理由

OpenAI 把连续时间一致性模型扩到 15 亿参数，两步采样在 ImageNet 512×512 上质量追平扩散模型，单张 A100 出图 0.11 秒，算力不到扩散模型 10%。

## 锐评

两步采样、单张 A100 上 0.11 秒出一张 512×512，这个数比 FID 好看多了。扩散模型慢就慢在采样步数，能压到两步还保住质量，出图的边际成本直接砍掉一个量级，做图像 API 的毛利空间一下就出来了。

论文里那个不到 10% 有效算力的对比我持保留态度，跟谁比、训练本身烧了多少都没写清楚。15 亿参数能训稳这件事本身有分量，之前一致性模型大多停在玩具规模。
