AMD发布Nitro-P:像素空间文生图模型一步生成达90样本/秒
AMD发布无VAE解码器的像素空间文生图模型Nitro-P,在MI300X上一步生成吞吐量达90样本/秒。
2026年11月20日,AMD发布了端到端像素空间文生图(T2I)扩散框架Nitro-P。该模型基于其此前发布的潜空间模型Nitro-E,通过采用分层语义到像素架构,将家族扩展至无变分自编码器(VAE)设计。这一结构由基于E-MMDiT的补丁级语义建模组件和作为轻量级U-Net解码器实现的像素级调制引导重建组件组成。
直接在像素空间运行的核心优势在于从推理流程中移除了VAE解码器。在传统潜空间模型中,生成的潜在表示必须通过VAE解码器转换回RGB图像,这带来了不可忽视的计算开销。Nitro-P完全绕过了这一最终解码步骤。根据AMD在单张AMD Instinct™ MI300X GPU上以32批次大小进行的自报基准测试,全步数Nitro-P模型在512px图像生成中实现了10.26样本/秒的吞吐量。其蒸馏的一步变体进一步将吞吐量提升至90.02样本/秒。
为了隔离移除VAE解码器的影响,AMD比较了Nitro-P与Nitro-E的端到端吞吐量。结果显示,这种性能差距在少步数区间最大。在512×512分辨率下,一步蒸馏的Nitro-P达到90.02样本/秒,而Nitro-E为44.13样本/秒。然而,随着采样步数的增加,差距缩小。在全20步设置下,Nitro-E实际上更快(18.83样本/秒对10.26样本/秒),因为去噪主干网络主导了运行时间,且潜空间路径每步成本更低。这些发现表明,Nitro-P特别适用于低NFE(函数评估次数)、高吞吐量的服务场景。
在生成质量方面,Nitro-P在512×512和1024×1024分辨率下分别取得了0.88和0.87的竞争性GenEval分数。一步蒸馏变体的质量适度下降,在512×512下得分为0.85。所有模型均从头开始在公开数据上训练,包括一个包含2500万真实和合成图像的精选数据集。AMD已发布模型权重和完整训练代码以支持可复现性。