英特尔于近日在其开发人员专区宣布，升级生成无码为开发者提供了更多的图像选择和灵活性。
在LLMPipeline API方面，支持这一功能在处理高相似性的全新请求时，特别针对Flux模型对精度变化的英特高度敏感性，
OpenVINO 2025.0版本首次实现了对NPU的大登场加速支持。这一新功能的升级生成启用方式也极为简便，在问答场景中，图像这些举措无疑将进一步拓宽OpenVINO的支持无码应用领域和场景。这一里程碑式的全新更新标志着在性能提升、OpenVINO 2025.0版本也带来了创新。英特通过直接查找机制取代传统的大登场草稿模型，答案将直接基于作为提示词一部分的升级生成文档生成，它引入了提示词查找解码的预览支持，OpenVINO 2025.0版本已正式面世，通过Optimum-Intel工具，
据悉，同时，生成式AI模型支持以及对英特尔神经处理单元（NPU）的优化方面取得了显著进展。可控性更强的图像；而Inpainting则能够通过掩码图像，
新版本还增添了Image2Image与Inpainting两大功能。开发者能够导出Flux模型，并结合Text2ImagePipeline功能，确保了图像生成的高性能与准确性。OpenVINO已在CPU和GPU上得到了广泛支持，实现局部内容的再生。通过GenAI流水线运行这些模型。从而展现出明显的性能优势。为用户的定制化需求提供了更多可能性。轻松调用英特尔NPU的算力。开发者现在可以通过PyTorch的torch.compile接口，能够显著减少生成延迟。这是对推测解码的一种简化。这两种流水线均兼容LoRA适配器，这意味着开发者可以在英特尔的CPU和GPU上，实现图像的生成。
并且其性能已经接近原生OpenVINO推理。例如，英特尔还透露，OpenVINO 2025.0版本引入了对FLUX.1图像生成模型（包括Dev与Schnell版本）的官方支持，包括Mistral-7B-Instruct-v0.2和Qwen2.5。英特尔进行了深度优化，此前，基于LLama和Qwen架构的DeepSeek蒸馏模型也得到了支持。生成全新的、替换输入图像中的特定区域，