i1：打造頂尖開源文字轉圖像擴散模型，全面公開 3B 參數量權重與訓練秘訣

本研究透過 300 多次受控實驗，開發出完全開源的 3B 參數模型 i1。該模型僅使用公開資料集，在多項指標上顯著超越現有開源模型，並全面揭露訓練細節與處理流程。

Problem

目前頂尖的文字轉圖像模型多為閉源，不願公開訓練資料與建模細節，而現有的完全開源模型在效能上仍與主流模型有顯著差距，導致學術研究社群缺乏一個高品質且透明的研究基礎。

執行超過 300 次受控實驗，耗時 70 萬小時 TPU 算力，系統性探究資料混合比例與模型架構設計。研究發現等權重混合精選資料集是極佳配置，並透過加大文字編碼器適配器來提升效能，最終僅運用公開資料訓練出 3B 參數的 i1 模型。

i1 在 GenEval、PRISM 等五項代表性基準測試中展現極強競爭力，平均表現超越目前最優開源模型達 29.5 個百分點。本計畫同時釋出了模型權重、訓練與推理代碼，以及完整的資料處理管線。

此研究為開源社群提供了強大且實用的基礎架構，打破了 SOTA 模型訓練細節不透明的僵局。透過全面公開「配方」，讓後續研究者能在此基礎上精進，推動文字轉圖像擴散技術的開放生態發展。