一句话看懂：2026年10月，alphaXiv上的一篇论文提出Priming Models，用”先重建、后分布对齐”的两阶段训练，让单步生成器在ImageNet 256×256上达到FID 1.19，训练算力约为同类方法的十分之一。
事件核心：发生了什么
目前主流的扩散模型和流匹配（flow matching）生成效果好，但推理时需要多次网络评估，单步生成因此成为降低推理成本的重要方向。但直接用分布对齐目标从头训练单步生成器，往往依赖复杂的训练机制，难以稳定收敛。
这篇论文给出的方案是Priming Models：第一阶段先用重建目标预训练网络，例如在固定噪声水平（ImageNet设置中s=0.8）下做像素空间去噪，让网络学会把带噪图像还原成干净图像；第二阶段再做特征空间分布后训练，把生成样本和真实样本送入冻结的特征编码器进行比对。论文称，仅第一阶段的重建训练，就足以缓解分布训练的难度。
在类别条件ImageNet 256×256生成任务上，Priming-L以约4.05亿参数、160轮重建预训练，在单次网络前向中取得FID 1.19，训练算力为238.95 EFLOPs；作为对比，像素空间Drifting-L基线在1476.39 EFLOPs下FID为1.61。论文称该结果约为对比方法六分之一的训练算力，同时FID更低。
为什么重要
单步生成的核心吸引力在于推理成本：一次网络前向就能出图，对图像生成产品、AI应用和批量创作场景都意味着更低的推理开销。过去的问题在于，省下推理步骤往往要付出训练复杂度或生成质量的代价。
Priming Models的意义在于，它把”训练难”拆成了两个相对简单的问题：先让网络学会重建，再做分布匹配。论文还强调，这不是对扩散教师的蒸馏，也不规定特定的扩散或流轨迹，因此与蒸馏路线形成区别。如果这一思路可复现，可能影响后续单步生成模型的训练配方设计。不过目前公开信息主要来自论文摘要和页面素材，尚不能视为已上线产品或经过大规模验证的行业标准。
对用户/开发者/创作者的影响
对开发者和研究者来说，这套两阶段框架的关键依赖是冻结的预训练特征编码器，ImageNet主配置还加入了感知重建监督。也就是说，它并非完全”无预训练组件”，复现时需要关注特征编码器的选择与算力口径。论文开源了代码库，但素材未提供具体的开源协议、权重发布情况或推理速度实测数据，目前无法判断直接部署的难度。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
对图像生成类AI应用和创作工具而言，单步生成的潜在价值是降低单张图的推理成本，这可能影响API定价、批量生成吞吐和端侧部署的可能性。但这些都取决于后续是否有团队在真实产品中验证该方法的质量稳定性和泛化能力。
值得关注的后续
第一，重建预训练阶段是否对其他数据集、其他分辨率和文本到图像任务同样有效，论文摘要提到在文本到图像和世界模型上也有测试，但具体数据需看全文。第二，FID 1.19这一结果是在ImageNet 256×256、5万张生成图像、三个采样种子条件下测得的，后续是否有独立复现或第三方评测跟进。第三，开源代码是否会被主流生成模型项目采用，以及冻结特征编码器带来的额外依赖是否会限制其工程落地。
来源：alphaXiv
