可图（Kolors）

是什么

可图（Kolors）是快手可图团队于2024年7月6日发布的大型文生图模型，技术路线是潜在扩散（latent diffusion）。^[1]所谓潜在扩散，是指模型并不直接在像素上作画：它先学习在图像的压缩表示上逐步去除噪声，这个过程由文本提示词引导，最后再把压缩表示解码回一张图。在压缩空间而非全分辨率上计算，能让训练和生成的成本都低得多，这也是许多常见图像生成模型共用的思路。

由来

快手在2024年7月6日的世界人工智能大会（WAIC）论坛上宣布将该模型开源。^[2]根据项目文档，模型在数十亿量级的图文对上训练，同时支持中文和英文提示词，上下文长度为256个token。^[1]快手表示，该模型在数十亿量级的中文数据上训练，并称其为当时中文能力最强的文生图模型。^[2]「中文优先」是这个项目最主要的自我定位。用中文写提示词并不只是翻译问题：中文词语之间没有空格，提示词如何被切分成token、文本编码器如何表示它，都会影响画面最终是否按照描述生成。

公开的评测结果

项目方自己发布了一套对比评测集KolorsPrompts，包含14个类别、1000多条提示词。在这套评测上，50位专家评分者给可图的总体满意度（3.59）和视觉吸引力（3.99）都是参与对比的模型中最高的，其MPS得分10.3也以微弱优势超过Midjourney-v6的10.2。^[1]快手还表示，该模型在北京智源人工智能研究院的一项评测中得分75.23，在全球文生图模型中位列第二。^[2]项目的README另有一条日期为2024年7月3日的新闻条目，称其在FlagEval多模态文生图排行榜上排名第二。^[1]这些数字来自团队自建评测与快手的对外发布，说明的是开发者如何衡量这个模型，而不是独立的第三方结论。

授权与获取方式

可图采用分开的授权结构：代码使用Apache-2.0协议，模型权重对学术研究完全开放；商业使用需要登记注册，而月活跃用户超过3亿的产品需要另行取得授权。^[1]这种「研究宽松、大规模商用另议」的做法，在当时的开放权重图像模型中相当常见：它让研究者和较小的开发者可以直接使用模型，同时为最大的平台留出一个需要单独协商的环节。

生态与后续版本

发布之后，项目围绕模型补齐了一整套周边。2024年7月加入Diffusers支持，README中记录ComfyUI支持的时间是2024年7月9日、ModelScope支持是2024年7月10日；团队随后又发布了IP-Adapter、ControlNet和图像修复（inpainting）模型，并在2024年9月放出了可图虚拟试衣（Kolors-Virtual-Try-On）演示。^[1]Diffusers、ComfyUI和ModelScope是很多人实际运行和串联图像模型时使用的工具链，对这些工具的支持，决定了一组权重能不能真正进入工作流。IP-Adapter和ControlNet则是用参考图或边缘、姿态等结构线索来约束生成结果的技术，图像修复模型处理的是对已有图片局部进行修改的需求。

在发展中的位置

可图属于2024年集中出现的一批开放权重中文图像模型，它的独特主张是在多数模型以英文评测的时期强调中文提示词能力。它实际被使用的方式，很大程度来自三件事叠加：面向研究的开放权重、与主流开源工具链的兼容，以及一套用于控制和编辑的衍生模型，而不是单一的模型文件。^[1]