Nucleus-Image 17B 开源：首个 MoE 架构文生图扩散模型，仅激活 2B 参数即超越 Imagen 4

元信息

• 来源：今日头条（卡片）
• 原文链接：https://m.toutiao.com/article/7630834063729525311/
• 采集时间：2026-04-21
• 分类：AI技术 / 多模态 / 生成模型

摘要

NucleusAI 开源了 Nucleus-Image（17B 参数）的文本到图像扩散模型。其核心卖点是采用 MoE（Mixture of Experts）架构，在推理时仅激活约 2B 参数，即达到高质量生成效果，并宣称在部分指标上超过 Imagen 4。

关键信息（来自卡片）

• 模型：Nucleus-Image
• 规模：17B 总参数
• 架构：MoE
• 推理激活：约 2B 参数
• 结论点：效率与效果兼顾，主打高性价比文生图能力

技术解读（入库补充）

MoE 在图像扩散模型中的意义：

1. 降低单次推理激活参数，减少算力成本
2. 通过专家路由实现任务专精，提高质量上限
3. 更适合在资源受限场景下做高性能部署

关注点

评估这类模型时建议重点看：

• 开源协议与商用限制
• 真实推理吞吐与显存占用
• 对中文提示词的表现
• 与同规模 Dense 模型对比的稳定性

备注

由于来源页面抓取受限，当前条目基于卡片标题与摘要完成结构化入库，后续可补充论文/代码仓库信息。