Iris-3B génère l'image pixel par pixel et talonne des modèles sept fois plus lourds
— IMAGE
Speridlabs publie Iris-3B, un modèle text-to-image qui travaille directement sur les pixels, sans passer par le VAE qui compresse et reconstruit l'image dans la plupart des générateurs actuels. Les poids et le code sont ouverts, mais les gains promis sur les détails fins ne se confirment pas encore sur les tâches de profondeur ou de restauration.
Speridlabs met en ligne Iris-3B, un modèle text-to-image qui génère l'image directement en pixels, sans passer par le VAE qui compresse puis reconstruit le visuel dans la quasi-totalité des générateurs actuels. Les poids sont publiés sur Hugging Face sous licence Apache 2.0, avec le code d'entraînement et d'inférence.
Pour un graphiste qui bricole ses propres pipelines de génération en local, la promesse touche un point sensible : la compression latente abîme parfois les petites textures, les motifs répétitifs ou les structures fines avant même que le modèle ne commence à dessiner. Iris-3B écarte cette étape et travaille en direct sur l'image, avec des sorties natives en haute définition et des formats libres, sans imposer le carré.
Les auteurs eux-mêmes restent prudents : sur l'estimation de profondeur et sur la restauration d'images, les versions sans compression égalent tout juste les modèles latents équivalents. Le rendu de texte dans l'image reste capricieux, le nombre d'objets demandé approximatif, et les tirages grand format demandent encore un passage par un outil d'agrandissement, comme pour la plupart des générateurs du marché.
Le résultat le plus parlant tient dans la comparaison avec Qwen-Image : sur le score OneIG, Iris-3B talonne ce modèle alors qu'il embarque environ sept fois moins de paramètres dans son moteur de génération. Une architecture plus légère qui tient la distance face à des mastodontes, avec une suppression du VAE qui reste un chantier ouvert sur les tâches de profondeur et de restauration.
Iris-3B réclame aujourd'hui une machine de labo et un GPU dédié, un ticket d'entrée réservé aux équipes qui expérimentent avant de produire. Le projet compte surtout comme signal : la génération pixel par pixel redevient crédible à l'échelle du milliard de paramètres, et les générateurs grand public en hériteront probablement avant que quiconque n'ait eu à s'en soucier.