# Supra2-IMG: локальная генерация изображений моделью на 104 млн параметров

Источник: https://modelium.tech/zhurnal/supra2-img-104m-local-image-generation/

SupraLabs выпустила 21 сентября 2026 года Supra2-IMG — открытый чекпойнт компактного диффузионного трансформера для генерации изображений 256×256 по тексту. В репозитории есть веса и отдельный Python-скрипт, но для инференса дополнительно загружаются Flan-T5-Base и SD VAE. Заявления автора о качестве не подтверждены независимым сравнением; локальный запуск Modelium не проверял.

Supra2-IMG: компактная модель для локальных изображений 256×256

**Коротко.** Веса Supra2-IMG появились в Hugging Face 21 сентября 2026 года. Автор описывает модель как диффузионный трансформер на 104,1 млн параметров. Она генерирует изображения 256×256 по текстовому запросу; это экспериментальный небольшой стек, а не проверенная замена крупным генераторам изображений. Код и чекпойнт доступны в одном репозитории. [s1](#src-s1) [s2](#src-s2) [s3](#src-s3)

## Что именно выпущено

На закреплённой ревизии `10dec6e4` опубликованы `model_final_ema.pt` размером 416 651 529 байт, самостоятельный `inference.py`, карточка и `config.json`. История репозитория датирует загрузку чекпойнта 21 сентября. **Этот размер — объём одного файла на диске, не минимальный объём RAM или VRAM и не размер всего конвейера.** Отдельные компоненты загружаются при запуске. [s2](#src-s2) [s3](#src-s3)

Скрипт жёстко задаёт разрешение 256×256, архитектуру SupraDiT и 50 шагов сэмплирования по умолчанию. Текст кодируется `google/flan-t5-base`, а результат декодируется `stabilityai/sd-vae-ft-mse`. Поэтому 104,1 млн параметров относится к самому диффузионному трансформеру, а не ко всему загружаемому стеку. Код выбирает CUDA, затем Apple MPS при наличии, иначе CPU; карточка не содержит воспроизводимого сравнительного теста этих режимов. [s1](#src-s1) [s4](#src-s4)

## Кому пригодится и как начать

Практический сценарий — прототипирование маленьких локальных изображений и изучение диффузионного конвейера с отдельными текстовым энкодером и VAE. Если нужны крупные изображения, типографика или предсказуемое качество коммерческих макетов, сначала проверьте результаты на собственных запросах: в репозитории приведены примеры, но нет независимого сравнения с сопоставимыми настройками. Формулировка автора о SOTA-качестве остаётся его оценкой, а не результатом теста Modelium. [s1](#src-s1)

Для запуска понадобится Python-окружение с совместимыми `torch`, `torchvision`, `transformers`, `diffusers`, `tqdm` и `huggingface_hub`, а также доступ к двум внешним репозиториям компонентов. После получения `inference.py` и чекпойнта **из закреплённой ревизии** команда из карточки выглядит так:

python inference.py --prompt "a sea jellyfish in the dark ocean" --seed 0 --cfg 3.0 --steps 50 --n 1 --out jellyfish.png

Команда показывает интерфейс авторского скрипта, **не является проверенным Modelium запуском**. Если чекпойнта нет рядом со скриптом, код скачивает его из текущей ветки репозитория — для фиксированного эксперимента скачайте файл указанной ревизии заранее. Важно: скрипт вызывает `torch.load(..., weights_only=False)` для файла `.pt`; десериализация такого файла требует доверия к его происхождению. Не загружайте непроверенные копии чекпойнта. [s1](#src-s1) [s4](#src-s4)

В `config.json` указан `auto_map` к `configuration_my_model` и `modeling_my_model`, но таких файлов в закреплённом дереве нет. Поэтому мы не рекомендуем загружать модель как готовую стандартную архитектуру `AutoModel`; в репозитории дан самостоятельный скрипт. [s2](#src-s2) [s4](#src-s4)

## Лицензия и ограничения

Карточка Supra2-IMG помечена `apache-2.0`; отдельного файла `LICENSE` в дереве модели нет. У двух загружаемых компонентов карточки указывают соответственно Apache-2.0 для Flan-T5-Base и MIT для SD VAE. Это метаданные опубликованных репозиториев, а не юридическая экспертиза датасета, изображений или всего конвейера: перед коммерческим использованием проверьте условия компонентов и происхождение данных самостоятельно. Автор пишет об обучении на FLUX-Reason-6M и о 5,6 млн изображений за 10 эпох; эти сведения и оценка качества не имеют здесь независимой репликации. [s1](#src-s1) [s2](#src-s2) [s5](#src-s5) [s6](#src-s6)

**Следующий шаг:** зафиксировать ревизии весов и компонентов, создать отдельное Python-окружение и сравнить результаты на своих 256×256 запросах. При оценке железа измеряйте фактическое потребление всей связки, а не пересчитывайте размер `.pt` в необходимую память. [s2](#src-s2) [s4](#src-s4)

## Источники

1. [SupraLabs: Supra2-IMG model card (pinned revision)](https://huggingface.co/SupraLabs/Supra2-IMG/blob/10dec6e4b4b5d1c44fd1d7d3fe5e50137333da5b/README.md) — получено 2026-09-27
2. [SupraLabs: Supra2-IMG files and sizes at revision](https://huggingface.co/api/models/SupraLabs/Supra2-IMG/tree/10dec6e4b4b5d1c44fd1d7d3fe5e50137333da5b?recursive=true&expand=true) — получено 2026-09-27
3. [SupraLabs: Supra2-IMG commit history](https://huggingface.co/api/models/SupraLabs/Supra2-IMG/commits/main?limit=20) — получено 2026-09-27
4. [SupraLabs: inference.py (pinned revision)](https://huggingface.co/SupraLabs/Supra2-IMG/blob/10dec6e4b4b5d1c44fd1d7d3fe5e50137333da5b/inference.py) — получено 2026-09-27
5. [Google: Flan-T5-Base model metadata](https://huggingface.co/api/models/google/flan-t5-base) — получено 2026-09-27
6. [Stability AI: SD VAE FT MSE model metadata](https://huggingface.co/api/models/stabilityai/sd-vae-ft-mse) — получено 2026-09-27