MNN-Sana-Edit-V2：端侧运行的图像漫画风编辑大模型

淘天 Meta 技术团队联合杭州电子科技大学发布端侧图像漫画风编辑大模型 MNN-Sana-Edit-V2：基于 Sana 与 MetaQuery 学术成果，采用冻结的 Qwen3-0.6B 作预训练 LLM，通过 256 维 Learnable Query 与 Connector 桥接文本理解与图像生成，配 Linear DiT 与 32 倍压缩的 DC-AE，训练分预训练（2M 文本-图像对、约 100K step）、图像生成微调（60K 对、约 10K step）、图像编辑微调（10K 编辑数据对、约 100K step）三阶段。512×512 图像漫画风转换在 iPhone 17 Pro 上耗时 14.7 秒，相比 OpenAI 云端图像编辑（38s-45s）提速 2.5 倍；已集成至 MNN Chat 应用（iOS/Android），代码与权重在 GitHub、HuggingFace、ModelScope 开源。