2026 年 6 月，一個名為 Boogu-Image-0.1 的開源影像模型在 HuggingFace 上釋出後迅速引發關注。這款模型以 10B 引數 的規模，在 Qwen-Image-Bench 基準測試中取得 53.58 分，領先於 20B 引數的 Qwen-Image-2512（52.06 分）和 80B 引數的 Hunyuan-Image-3.0（50.81 分）。以對手 1/8 甚至 1/2 的引數規模實現效能反超，打破了“更大即更強”的傳統認知，也讓業內對其實際應用價值充滿好奇。
Boogu-Image-0.1 此次開源了四個版本：Base（核心文生圖模型，擅長超密集文本渲染）、Turbo（蒸餾版，3-4 步快速生成）、Edit（面向影像編輯與圖生圖工作流）以及 FP8（量化部署版）。測評團隊針對不同版本設計了貼近生產級任務的測試，包括照片級真實感生成、電影海報創作和區域性編輯。
在 Turbo 版本的測試中，模型生成的遊客照、生日聚會場景和寵物動態照片均展現出超越引數規模的真實感。人物表情自然、光影處理得當，甚至帶有手機抓拍的生活氣息。但在細節上，如菜品擺放、蛋糕上的文字，以及影子的物理表現，仍存在失真問題。
Base 版本被用於生成《花樣年華》風格的港風電影海報，以考察其文書處理、構圖和氛圍營造能力。結果顯示，Base 能準確遵循提示詞，人物關係與光影氛圍處理到位，但相比 ChatGPT Images 2.0，在文字排版、光源邏輯和電影質感上仍有明顯差距。例如，Base 生成的畫面右側出現一條不合理的光帶，而 ChatGPT Images 2.0 的光影則更符合物理邏輯。
Edit 版本的測試聚焦於真實生產中的修改需求。在替換人物服裝、移除畫面元素等任務中，模型能基本保持構圖和氛圍，但涉及複雜改動（如將動物替換為其他物種並融入光影）時，穩定性明顯下降，出現“貼圖感”或非預期形變。這類問題在基準測試中不會扣分，但在實際改稿流程中可能打斷工作流。
除了畫質，Boogu-Image 還通過 FP8 原生量化版本 降低了部署成本。FP8 相比 FP16/BF16 位寬更低，有助於減少權重儲存和計算開銷，為批次生成、Agent 視覺模組等高頻呼叫場景提供了更經濟的路徑。
綜合來看，Boogu-Image-0.1 在跑分上的反超體現了工程能力，但在真實交付中仍面臨挑戰。文字渲染是當前影像模型的普遍難點，尤其是中文等筆畫密集的文字，容易在壓縮和重建過程中丟失細節。此外，模型在影像敘事和心理情緒的解構上，與頂級閉源模型存在差距，這與其採用 VAE 潛空間路線的有失真壓縮有關。區域性編輯的不可預期性也是其短板，修改可能牽動周圍光影和構圖，導致非預期形變。
儘管存在不足，Boogu-Image-0.1 以 10B 引數實現的高效能，仍為影像生成模型的輕量化部署提供了新思路。其能否在生產級場景中站穩腳跟，還需更多實際應用的檢驗。