Rapporto Tecnico FireRed-Image-Edit-1.0
FireRed-Image-Edit-1.0 Techinical Report
February 12, 2026
Autori: Super Intelligence Team, Changhao Qiao, Chao Hui, Chen Li, Cunzheng Wang, Dejia Song, Jiale Zhang, Jing Li, Qiang Xiang, Runqi Wang, Shuang Sun, Wei Zhu, Xu Tang, Yao Hu, Yibo Chen, Yuhao Huang, Yuxuan Duan, Zhiyi Chen, Ziyuan Guo
cs.AI
Abstract
Presentiamo FireRed-Image-Edit, un diffusion transformer per la modifica di immagini basata su istruzioni che raggiunge prestazioni all'avanguardia attraverso un'ottimizzazione sistematica della cura dei dati, della metodologia di addestramento e del design di valutazione. Costruiamo un corpus di addestramento da 1,6 miliardi di campioni, comprendente 900 milioni di coppie testo-immagine e 700 milioni di coppie per la modifica di immagini provenienti da fonti diverse. Dopo un rigoroso processo di pulizia, stratificazione, etichettatura automatica e filtraggio in due fasi, tratteniamo oltre 100 milioni di campioni di alta qualità bilanciati tra generazione e modifica, garantendo una forte copertura semantica e allineamento con le istruzioni. La nostra pipeline di addestramento multi-stadio costruisce progressivamente la capacità di modifica attraverso pre-addestramento, fine-tuning supervisionato e apprendimento per rinforzo. Per migliorare l'efficienza dei dati, introduciamo un *Multi-Condition Aware Bucket Sampler* per il batching a risoluzione variabile e uno *Stochastic Instruction Alignment* con re-indicizzazione dinamica dei prompt. Per stabilizzare l'ottimizzazione e migliorare la controllabilità, proponiamo un'*Asymmetric Gradient Optimization* per DPO, *DiffusionNFT* con ricompense OCR *layout-aware* per la modifica del testo e una *Consistency Loss* differenziabile per la preservazione dell'identità. Istituiamo inoltre REDEdit-Bench, un benchmark completo che copre 15 categorie di modifica, inclusi nuovi task di abbellimento e miglioramento di basso livello. Esperimenti estensivi su REDEdit-Bench e benchmark pubblici (ImgEdit e GEdit) dimostrano prestazioni competitive o superiori rispetto a sistemi sia open-source che proprietari. Rilasciamo codice, modelli e la suite di benchmark per supportare la ricerca futura.
English
We present FireRed-Image-Edit, a diffusion transformer for instruction-based image editing that achieves state-of-the-art performance through systematic optimization of data curation, training methodology, and evaluation design. We construct a 1.6B-sample training corpus, comprising 900M text-to-image and 700M image editing pairs from diverse sources. After rigorous cleaning, stratification, auto-labeling, and two-stage filtering, we retain over 100M high-quality samples balanced between generation and editing, ensuring strong semantic coverage and instruction alignment. Our multi-stage training pipeline progressively builds editing capability via pre-training, supervised fine-tuning, and reinforcement learning. To improve data efficiency, we introduce a Multi-Condition Aware Bucket Sampler for variable-resolution batching and Stochastic Instruction Alignment with dynamic prompt re-indexing. To stabilize optimization and enhance controllability, we propose Asymmetric Gradient Optimization for DPO, DiffusionNFT with layout-aware OCR rewards for text editing, and a differentiable Consistency Loss for identity preservation. We further establish REDEdit-Bench, a comprehensive benchmark spanning 15 editing categories, including newly introduced beautification and low-level enhancement tasks. Extensive experiments on REDEdit-Bench and public benchmarks (ImgEdit and GEdit) demonstrate competitive or superior performance against both open-source and proprietary systems. We release code, models, and the benchmark suite to support future research.