普林斯顿团队发布全开放文生图模型i1，基于300余组控制实验

当前文生图模型发展迅速，但多数工作独立引入整套模型、数据和训练设计，使用私有数据训练，缺乏充分的消融实验和可复现配方，研究者难以判断优异表现源于数据还是设计。

普林斯顿大学刘壮团队发布的i1模型回应了这一需求，提供从训练代码到训练数据完全公开可复现的模型，为研究者提供统一起点进行控制实验。

团队基于统一基线（浅层融合、冻结文本编码器、flow matching训练的DiT网络，组合12个公开数据集并用VLM生成长caption）进行控制实验，每次只改变一项设计。

模型方面发现：多个文本编码器可提升表现，但增大单个adapter也能类似效果且成本更低；AdaLN参数多但额外收益有限；相同参数量下dual-stream优于single-stream优于cross-attention，U-ViT长跳跃连接稳定提升性能。

数据方面发现：短caption训练削弱表现，长caption训练在短prompt上欠佳，可用prompt rewriter弥补；数据多样时小规模重复训练影响不大；高分辨率训练不需广泛数据覆盖，仍能保留文字渲染能力。

基于控制实验结论，团队融合简单设计训练出3B参数的i1，在GenEval、DPG-Bench、PRISM-Bench、CVTG-2K和LongText-Bench五项基准上平均领先此前最佳全公开模型29.5个百分点。

i1综合表现接近部分参数量更大、仅开放权重的模型，如20B的Qwen-Image。

i1是第一个能做到较准确文字渲染的全公开模型，在CVTG-2K和LongText-Bench上分别得到0.8531和0.922的分数。

i1表明训练有竞争力的文生图模型不一定依赖私有数据或不透明配方，仅用公开数据集和系统验证的设计即可达到较强水平。

i1的可复现配方为文生图研究提供统一起始点，使研究者能在受控条件下评估新设计。

但i1仍接近而非超越仅开放权重的模型，且评测集中于提示词遵循和文字渲染，通用图像质量未充分覆盖。