阶跃星辰发布 NextStep-1.1：一次低调却关键的性能跃迁
8 月刚刚开源的 NextStep-1 系列模型，如今迎来了它的“优化版”——NextStep-1.1。这不是一次炫技式的升级，而是一次工程师团队在深夜调试、反复验证后，为生成质量打下的坚实地基。
从用户反馈来看，早期版本在处理复杂纹理、人物手部细节或重复图案时，偶尔会出现模糊、结构错位或“鬼影”现象。这些问题在专业创作者和工业级应用场景中尤为敏感。为此，阶跃星辰团队决定暂停新功能开发，回归训练本质：延长训练周期、重构损失函数、引入基于流模型（Flow-based）的强化学习后训练机制。
不只是“更清晰”：NextStep-1.1 做了什么？
官方没有使用“超分辨率”“多模态融合”这类热门术语，但实际效果却让不少内测用户感到惊喜：
- 纹理锐度提升 40%+：在相同提示词下，织物、毛发、金属反光等细节的清晰度显著增强，边缘不再“发虚”。
- 伪影减少 65%：常见的“重复图案”“结构扭曲”“色彩溢出”等视觉瑕疵大幅降低，尤其在长序列生成中表现更稳定。
- 推理一致性突破：同一提示词连续生成 10 张图，画面风格、光照、构图的一致性远超前代，适合用于插画系列、UI 设计等对一致性要求高的场景。
- 训练更稳，部署更顺：针对自回归过程中的梯度爆炸与数值溢出问题，团队重构了数值计算路径，模型在低显存设备（如 24GB 显存）上也能稳定运行，推理崩溃率下降近 70%。
这些改进并非来自“更大参数”或“新架构”，而是源于对训练流程的精细化打磨。一位参与内测的独立游戏开发者表示：“以前我得手动修 30% 的图，现在 90% 都可以直接用，省下的时间够我多做两个场景了。”
开放下载，生态加速
NextStep-1.1 的预训练权重（NextStep-1.1-Large-Pretrain）与后训练权重（NextStep-1.1-Large、NextStep-1.1-Large-Edit）已同步上线：
同时，官方也更新了技术报告，新增了训练数据构成、评估指标（包括 FID、LPIPS、人工评分）与对比实验，供开发者深度参考。社区中已有用户基于新版本开发了 Stable Diffusion WebUI 插件，支持一键切换模型，无需重装环境。
未来：不追热点，只修地基
阶跃星辰在公告中明确表示：“NextStep-1.1 不是终点，而是新起点。”团队已将重心转向长期稳定性建设，计划在 2025 年 Q2 推出支持 4K 输出、多图一致性控制与本地化微调的 NextStep-2，但前提是：先让每一版模型都经得起真实场景的考验。
对于开发者而言，NextStep-1.1 是一次“值得立刻升级”的版本——它不靠噱头吸引眼球，却用扎实的细节，重新定义了国产开源模型的可靠性标准。