这个春节P图不求人！小红书开源图像编辑新SOTA

AI 生图领域，又出了个 " 狠角色 "。

今日，小红书基础模型FireRed-Image-Edit正式亮相。

看似 " 低调 "，实则战绩惊人——其在处理复杂编辑指令、风格化转换，及高精度文字编辑等多个核心指标上，展现出超强实力。

对比结果显示，FireRed-Image-Edit 凭借更精准的理解力、更强的 ID 保持度及高效的架构，在多项权威测试中脱颖而出，在 ImgEdit、GEdit 等多个榜单中取得了SOTA，达到业界领先水平。

△主流榜单和自建评测集上的指标对比

这种高效架构背后的技术底座，来自小红书 Super Intelligence Team 在图像生成与编辑领域的一次重要探索。

划重点！目前该项目代码、技术报告、demo 网页已开源，模型权重也即将在未来几天开源。

△人工评估胜出率硬核评测指标与全链路技术底座

FireRed-Image-Edit 之所以能被称为 " 狠角色 "，不仅在于榜单上的惊艳表现，更源于小红书团队为其量身定制的一套 " 高难度考卷 " 与 " 进阶版练功房 "。

1、重新定义标准：RedEdit Bench

在 AI 生图领域，现有的基准测试往往难以覆盖用户真实的复杂需求。为此，团队推出了RedEdit Bench这一深度评测方案。

全场景覆盖：包含 15 个子任务。除了常规的画面增删改外，该评测集还前瞻性地纳入了人像美化、低画质增强等高频实战场景。

真实严苛：对比实验表明，相比 ImgEdit 和 GEdit，该 Bench 对编辑模型通用能力的评估精度更高。

该 Bench 随后会开源，以期为开源社区对图像编辑模型的评估建立新维度的标准。

2、核心战力来源：数据构造与三阶段训练

有了严苛的考卷，如何 " 培养 " 出高分考生？

FireRed-Image-Edit 依靠的是一套极具效率的数据引擎与训练逻辑——

首先来看数据引擎方面，FireRed-Image-Edit 构建了一套图像编辑数据生产引擎，从" 快速、可控、精准 "出发，将复杂编辑需求拆解为可组合的子任务，并通过三条路径规模化产出训练对：

指令控制的专家模型合成；

结构化控制（如分割 / 关键点 / 深度等）的专家模型合成；

模型无关的模板化合成（如 3D/ 布局 / 文字）。

针对长尾编辑任务样本稀缺问题，采用 " 检查—补齐 " 的定向补数流程，由引擎快速生成针对性数据，并配合三层级去重、十余种质量清洗算子与严格一致性守门员，确保数据的指令遵循、视觉自然度与内容一致性。

而在模型训练方面，当前模型框架参考主流编辑模型框架，模型通过三阶段训练来完成能力的进阶。

预训练阶段：通过多条件感知桶采样来平衡不同的编辑任务，并通过随机动态指令来提升模型的指令泛化理解能力，并通过前置的 embedding 抽取来提升训练效率；

微调阶段：通过高质量数据的引入，来提升模型表现；

强化学习阶段：通过非对称梯度优化来强化正样本反馈，基于 OCR 奖励的 diffusionNFT 来提升文字编辑准确性。

模型核心能力展示

FireRed-Image-Edit 的强大，源于对 " 编辑 " 二字的深度理解。

并非简单重绘，而是实现精准控制，其核心能力提升如下。

1、指令遵循一致性

指的是模型引入随机指令对齐的机制，通过随机打乱和动态重组 prompt，来使模型能真正理解语义与图像的对应关系，而非死记硬背。

请修正图像中的错误。

示例 1：

示例 2：

2、文字编辑

FireRed-Image-Edit 创新性地提出了Layout-Aware OCR-based Reward。

在强化学习阶段，团队不仅惩罚错别字，还惩罚字符的错位、大小异常和布局崩坏。

这使得模型在进行海报修改、文字替换时，能更准确地进行编辑并保持原始文字风格。

将海报上右下角的文字 " programme" 修改为 "program ongoing"，保持字体和风格一致。

用参考图的玩偶作为画面主角，衣服上面印着 "FireRed-Image-Edit" 字样，站在童话感花园草地中，周围有精致小花和柔和建筑背景，整体风格温暖梦幻，超清细节，商业级摄影质感。小红薯正对镜头，自信可爱地站立，身后是一块黑板，用白色粉笔清晰写着： "FireRed-Image-Edit 三大绝活：文字艺术家：中英文字体排版专业稳定，视觉风格统一时光修复师：老照片修复细节丰富，呈现自然真实造型设计师：智能换装精准自然，多风格服饰一键切换 "，文字为白色粉笔手写体。画面光线柔和自然光，浅景深，背景轻微虚化，色彩明亮饱满，高清 8K，真实摄影风格，细节锐利，无噪点，无畸变。