Китайские ученые представили модель Moebius: как 220 млн параметров обходят 10 млрд

Китайские ученые создали модель Moebius для восстановления изображений, которая по качеству сопоставима с системами в 50 раз крупнее, но работает в 15 раз быстрее. Проект уже привлек внимание сообщества и подан на ECCV 2026.

• Китайские исследователи из HUST и VIVO AI Lab разработали модель Moebius для восстановления и дорисовки удаленных фрагментов изображений, которая по качеству сопоставима с системами в 50 раз крупнее (10 млрд параметров)
• Модель весит всего 220 млн параметров, но работает на 15 раз быстрее — инференс занимает 26 мс на шаг, а в некоторых случаях (текстуры, лица) даже превосходит конкурентов
• Под капотом два ключевых решения: Local-λ Mix Interaction (перестройка механизма внимания) и дистилляция знаний от модели PixelHacker в латентном пространстве
• Проект уже занял первое место в ежедневном рейтинге Hugging Face, подан на конференцию ECCV 2026, а код и веса доступны под лицензиями Apache 2.0 и MIT
• Доступны три дообученные версии: на общих сценах (Places2), портретах знаменитостей (CelebA-HQ) и фотографиях людей с Flickr (FFHQ)
• Авторы утверждают, что модель может изменить подход к генеративным задачам, где скорость и качество критичны — от редактирования фото до восстановления поврежденных изображений

Китайские исследователи из Хуачжунского университета науки и технологий (HUST) и лаборатории VIVO AI Lab представили модель Moebius, которая способна восстанавливать и дорисовывать удаленные или поврежденные фрагменты изображений с качеством. сопоставимым с системами на порядок крупнее.

При этом её объем — всего 220 млн параметров, что в 50 раз меньше, чем у некоторых лидеров рынка, например, FLUX.1-Fill-Dev. Но главное — скорость. Moebius обрабатывает один шаг инференса за 26 миллисекунд, что в 15 раз быстрее, чем у конкурентов. В отдельных случаях, особенно при работе с текстурами и правдоподобным восстановлением лиц, модель даже превосходит более крупные системы.

Это может стать прорывом для задач, где скорость и качество критичны: от редактирования фотографий до восстановления поврежденных изображений в реальном времени.

Под капотом Moebius лежат два ключевых инновационных решения. Во-первых, блок Local-λ Mix Interaction, который оптимизирует механизм внимания, сводя пространственный и смысловой контекст к матрицам фиксированного размера. Во-вторых, дистилляция знаний от более крупной модели PixelHacker, выполненная в латентном пространстве.

Такой подход позволяет модели учиться на опыте гигантов, не повторяя их объем. Проект уже привлек внимание сообщества: технический отчет занял первое место в ежедневном рейтинге статей на Hugging Face, а сам Moebius подан на конференцию ECCV 2026.

Код и веса модели доступны под открытыми лицензиями Apache 2.0 (для кода) и MIT (для моделей), что упрощает интеграцию в коммерческие и научные проекты. Если тренд подтвердится, Moebius может стать стандартом для задач инпейнта, где важна скорость и качество одновременно. Компании, работающие с обработкой изображений в реальном времени — от соцсетей до медицинской диагностики — получат инструмент, который сократит затраты на вычислительные ресурсы и ускорит обработку. Однако если модель не покажет стабильных результатов в реальных условиях или останется нишевым решением, её влияние может ограничиться академическими кругами.

Следить стоит за тем, как быстро Moebius найдет применение в коммерческих продуктах. Если крупные игроки, такие как Adobe или NVIDIA, интегрируют её в свои решения, это может ускорить развитие всего направления генеративного искусственного интеллекта.

Также важно наблюдать за реакцией сообщества: если разработчики начнут активно дообучать модель под свои задачи, это станет сигналом к масштабному внедрению.

Moebius демонстрирует, что в генеративном ИИ не всегда побеждают крупнейшие модели. Оптимизация и дистилляция знаний могут дать конкурентное преимущество даже небольшим системам. Если тренд подтвердится, это изменит подход к разработке моделей для задач, где скорость критична. Однако пока рано говорить о революции — нужно дождаться реальных тестов вне лабораторий.

Владимир Платонов