2026年7月23日，微软宣布开源轻量级多模态图像生成模型系列 mage-flow，将最新的原生分辨率文生图与图像编辑能力以约 40 亿参数的紧凑规模完整开放给开发者和研究社区[1][2][3]。这一模型族以“高质量输出 +低算力门槛”为目标，可在单卡消费级 GPU 上高效运行，被视为对当前动辄数十亿乃至上百亿参数的闭源图像模型的一次有力补充。
Mage-Flow 由微软研究团队牵头，在学术论文、模型权重和技术报告三个层面同步公开，形成包含 Base（基础版）、RL-aligned（强化学习对齐版）、Turbo（加速版）和 Edit（图像编辑版）在内的完整产品线，既面向文本到图像生成，也支持基于指令的精细图像编辑。目前，多种变体已在主流开源社区上线，并采用宽松的开源许可，方便企业和个人在本地或云端集成与二次开发
一、Mage-Flow 介绍
Mage-Flow 是微软于 2026 年 7 月开源的高效原生分辨率（Native-Resolution）图像生成与指令编辑基础模型家族，核心特点包括 4B轻量参数量、原生任意分辨率 以及 极速交互推理。其模型及相关代码已在 Hugging Face 上开源并遵循 MIT 协议。
核心架构与技术亮点
- Mage-VAE 极简分词器：采用轻量级、高保真的潜在空间分词器，去除了传统模型在高分辨率下的性能瓶颈。
- NR-MMDiT 核心骨干：基于 40 亿（4B）参数的共享原生分辨率多模态扩散 Transformer（Multimodal Diffusion Transformer），采用修正流匹配（Rectified Flow Matching）训练。
- 原生任意分辨率：无需分桶（Bucketing）技巧，单个检查点即可直接生成从 512 到 2048 像素、包括极端 4:1 在内的任意长宽比图像。
- 双重任务支持：衍生出用于文生图的 Mage-Flow 与用于指令图像编辑的 Mage-Flow-Edit。
二、相关安装
Comfy内核≥v0.29.0（秋叶启动器-版本管理-内核）【官方还没更新，等待2天】
模型安装路径
📂 comfyui/
├── 📂 models/
│ ├── 📂 diffusion_models/
│ │ ├── mage_flow_bf16.safetensors
│ │ ├── mage_flow_int8_convrot.safetensors
│ │ ├── mage_flow_turbo_bf16.safetensors
│ │ ├── mage_flow_turbo_int8_convrot.safetensors
│ │ ├── mage_flow_edit_bf16.safetensors
│ │ ├── mage_flow_edit_int8_convrot.safetensors
│ │ ├── mage_flow_edit_turbo_bf16.safetensors
│ │ └── mage_flow_edit_turbo_int8_convrot.safetensors
│ ├── 📂 text_encoders/
│ │ └── qwen3vl_4b_bf16.safetensors
│ ├── 📂 vae/
│ │ └── mage_flow_vae_bf16.safetensors
三、工作流
与Z-Image Turbo、Krea2 Turbo都是大差不差的，用他们的工作流换换模型就能用。记得“加载CLIP”节点，要更改类型为mage。
尝鲜版：由于官方内核还没更新到v0.29.0版，暂时“加载CLIP”节点，类型没有mage，需要手动安装插件
插件：comfyui-mage
安装目录：
ComfyUI/custom_nodes/ComfyUI-Mage
- UNETLoader / Load Diffusion Model 加载 mage_flow_transformer.safetensors
- CLIPLoader 加载 mage_flow_qwen3vl.safetensors
- VAELoader 加载 mage_flow_vae.safetensors
- KSampler 和 VAEDecode 用于采样和解码
文末网盘附：mage-flow尝鲜工作流
Mage-Flow最恐怖的是它的生成速度。我用int8 convrot的unet+nvfp4的clip，4步采样，1秒多就可以生成1k*1k级别的图像了，比Boogu-Image还快很多。
四、结语：开启你的AI编辑之旅
Mage-Flow-Edit-Turbo以其简单易用的操作和强大的AI功能，正在改变我们编辑图像的方式。无论你是专业设计师还是普通用户，都能通过这款工具快速实现自己的创意。现在就开始你的AI图像编辑之旅，体验智能编辑带来的无限可能！