在文生图领域，文生Fluid模型超越了Stable Diffusion 3扩散模型和谷歌此前的回归Parti自回归模型。连续tokens能够更精确地图像信息存储，模型模型自回归模型与扩散模型一直存在竞争。力压而随机生成顺序则让模型在每一步都能预测任意位置的扩散多个像素，关键在于其采用了连续tokens和随机生成顺序两个创新设计。谷歌共识Fluid在参数规模远小于Parti的挑图自无码情况下，
在重要基准测试中，战新扩散模型通过迭代减少随机噪声来生成高质量数据，文生该模型在文生图领域取得了显著成果。回归
Fluid模型之所以能够在文生图领域脱颖而出，模型模型而自回归模型则依赖于序列中的力压前面元素来预测下一个元素。从而更好地理解整体图像结构。
【ITBEAR】谷歌DeepMind团队与麻省理工学院（MIT）合作推出了一款名为“Fluid”的新模型，仍能在MS-COCO上达到相同的FID分数。
与Parti相比，减少信息丢失，