4月27日，上海阶跃星辰智能科技有限公司正式发布通用图像编辑模型Step1X – Edit，为图像编辑领域带来重大革新。这款总参数量达 19B（由7B MLLM与12B DiT构成）的模型，凭借语义精准解析、身份一致性保持、高精度区域级控制三项关键能力，强势进入大众视野，为用户提供强大且易用的多模态改图能力。
Step1X – Edit能够助力用户完成11类高频图像编辑任务，涵盖工作与生活的多个场景。无论是替换图片中的文字，满足海报文案修改、产品包装文字更替等需求；还是进行人物美化修图，服务于个人照片精修、商业人像摄影后期处理；亦或是对画面进行风格迁移，将现代照片转换为复古风、油画风，用于艺术创作与风格化展示，以及实现材质变换，改变物体表面质感，用于工业设计、电商产品展示等，该模型都能应对自如。简单来说，Step1X – Edit不仅能 “改图”，更能 “听得懂、改得准、保得住”。例如，用户只需输入 “将图片中的晴天改为清晨，同时把人物的服装换成古装”，模型便能精准理解指令，完成场景氛围的转换与人物服饰的替换，且保持人物身份特征与画面整体风格的一致性。
在技术架构上，Step1X – Edit采用MLLM（Multimodal LLM）+ Diffusion的解耦式架构，这种创新架构与现有图像编辑模型相比，在指令泛化能力与图像可控性上优势明显。MLLM模块负责处理自然语言指令与图像内容，凭借其多模态语义理解能力，将复杂编辑需求解析为 latent 控制信号；Diffusion模块作为图像生成器（Image Decoder），依据MLLM生成的latent 信号完成图像的重构或局部修改，确保图像细节保真与风格统一，打破了传统pipeline模型中 “理解” 和 “生成” 相互分离、各自为政的问题，让模型在执行复杂编辑指令时准确性与控制力更上一层楼。
为了让模型测试能最大程度贴近市场产品需求，阶跃星辰自研了基准测试集GEdit – Bench，其评测数据均来源于社区真实编辑请求。根据GEdit – Bench的评测结果，Step1X – Edit在语义一致性、图像质量与综合得分等三项核心指标中均大幅领先现有开源模型，达到开源SOTA（State of the Art，即“当前最佳技术”）水平，在语言理解与图像重构之间实现了理想平衡。
值得关注的是，Step1X – Edit上线即开源，这一举措极大地推动了图像编辑技术的普及与创新。目前，开发者已经可以在GitHub、HuggingFace、ModelScope等技术社区便捷调用。这意味着，无论是专业的图像设计师、AI开发者，还是对图像编辑感兴趣的普通爱好者，都能借助这一开源模型，开发出更具创意、更贴合需求的图像编辑应用或工具，加速行业的创新发展。
实际上，这已是近一个月内阶跃星辰上新的第三款多模态模型。此前，阶跃星辰还陆续推出了图生视频开源模型和多模态推理模型。数据显示，截至目前，在阶跃星辰Step系列基座模型矩阵中，多模态模型的占比已达七成，充分展现了阶跃星辰在多模态领域的持续投入与创新实力。
