Iris-3B의 개요
Iris-3B는 Speridlabs의 오픈 웨이트 text-to-image 모델로, 2026년 10월 Hugging Face에 공개됐고 arXiv 논문은 10월 7일 게재됐습니다. 대부분의 이미지 생성 모델과 달리, VAE로 디코딩하는 압축 잠재 공간에서 작동하지 않습니다. 30억(3-billion) 파라미터의 diffusion transformer(dual-stream 블록 8개, single-stream 블록 16개)가 작은 픽셀 헤드를 통해 원시 RGB 픽셀을 출력합니다. 텍스트는 고정된 Qwen3-VL-4B 인코더가 처리합니다. 256, 512, 1,024픽셀 순으로 처음부터 학습했고, 총 665,000단계를 거쳤으며, 약 1메가픽셀(one megapixel) 이미지를 생성합니다.
저장소에는 4단계로 증류한 Iris-3B Turbo도 있습니다. H100 한 장에서 1,024 x 1,024 이미지를 약 0.7초에 만듭니다. 같은 백본을 단안 깊이 추정용과 4x 이미지 복원 및 업스케일링용으로 파인튜닝한 모델 두 개도 들어 있습니다.
학습 코드를 포함해 모두 Apache 2.0이며, Qwen3-VL-4B 텍스트 인코더도 Apache 2.0입니다.
Iris-3B, 쓸 만한 가치가 있습니까?
Iris-3B의 강점은 적은 자원으로 더 많이 한다는 데 있습니다. 프로젝트 자체 표에서 OneIG-Bench 0.540점으로 20B Qwen-Image의 0.539점과 대등하고 Z-Image 6B의 0.546점에 조금 못 미치며, GenEval에서는 0.798점으로 Qwen-Image의 0.87점보다 낮습니다. 긴 렌더링 텍스트에서는 격차가 더 큽니다. LongText-Bench에서 0.857점으로, Qwen-Image 0.943점, Z-Image 0.935점에 뒤집니다. 모두 Speridlabs가 공식 평가 도구로 프롬프트 재작성 없이 실행한 결과입니다. 비교 대상 수치는 다른 모델들의 보고서에서 가져왔고, 아직 독립적인 아레 나 평가는 없습니다.
논문은 이례적으로 솔직합니다. VAE를 건너뛰면 세부 묘사가 중요한 비전 작업에 더 나은 기반이 된다는 것을 보이려 했지만, "유의미한 개선은 없다(no significant improvement)"고 보고합니다. 깊이 추정용으로 파인튜닝한 Iris-3B는 잠재 공간 모델인 FLUX.2 Klein과 겨우 같은 수준이고, 4x 복원에서는 잠재 공간 FLUX.2 Klein 파인튜닝을 넘지 못합니다. 이미지 생성 모델이 DINOv2 같은 비전 모델을 대체할 수 있다는 프로젝트 페이지의 문구는 논문보다 더 나아간 주장입니다.
실제로 내려받을 만한 것은 Turbo입니다. guidance를 내장한 4단계로 H100 한 장에서 이미지당 약 0.7초가 걸리고, GenEval 0.820점으로 기본 모델보다 조금 높습니다. 대신 시드별 다양성이 줄고 긴 텍스트의 신뢰도가 떨어집니다(0.804). 전체 모델의 기본값은 100단계입니다.
파라미터 수에서 짐작하는 것보다 요구 사항이 많습니다. diffusers나 ComfyUI 지원이 문서화돼 있지 않으므로 CUDA가 되는 NVIDIA GPU와 프로젝트 자체 코드가 필요합니다. text-to-image 가중치만 float32로 약 12 GB이고, Turbo는 6 GB가 더 듭니다. 연구자에게는 공개된 학습 레시피와 학습 코드가 가장 큰 매력입니다.
제 역할을 하는 곳
대학 연구실의 컴퓨터 비전 연구자
모델을 처음부터 학습하지 않고 픽셀 공간 diffusion 연구하기
가중치, 학습 레시피, 증류 설정이 모두 Apache 2.0으로 공개돼 있고, 논문은 실패 사례를 기록합니다. Iris-3B에서 출발하면 665,000단계의 사전 학습을 아낄 수 있습니다. 깊이 추정 파인튜닝에는 10,000단계가 쓰였습니다.
제품 목업 앱을 만드는 2인 스튜디오
라이선스 비용 없이 자체 GPU로 시안 이미지 생성하기
Turbo는 H100에서 1,024픽셀 이미지를 약 0.7초에 만들며, 이미지당 요금이 없고 Apache 2.0 라이선스입니다. 텍스트가 많은 레이아웃은 눈으로 확인하십시오. 렌더링 텍스트가 가장 약한 부분입니다.
도입 전 확인할 점
- 설정
- speridlabs/iris-3b 저장소를 git clone하고 pip install -e .(Python 3.11 이상, PyTorch 2.7.1 이상)를 실행한 뒤, hf download로 가중치를 내려받고 scripts/sample.py를 실행합니다. 텍스트 인코더는 첫 실행 때 내려받습니다. CUDA가 되는 NVIDIA GPU가 필요합니다.
- 연동
- 샘플링, 깊이 추정(scripts/depth.py), 업스케일링(scripts/upscale.py)용 명령줄 스크립트와 Hugging Face Spaces 데모 두 개. 커뮤니티가 만든 460 MB LoRA가 더 가벼운 4단계 변형을 제공합니다.
- 데이터와 개인정보
- 로컬에서 실행됩니다. Apache 2.0은 상업적 사용을 허용합니다. 모델 카드는 출력 이 부정확하거나 편향되거나 안전하지 않을 수 있으므로 검토해야 한다고 경고합니다.
- 대규모 사용 시 비용
- API 요금은 없습니다. 내려받는 용량은 text-to-image 약 12 GB, 깊이 추정과 업스케일러 모델이 각각 12 GB, Turbo 6 GB입니다. Turbo의 0.7초 수치는 H100에서 배치 크기 4 기준입니다.
- 제한
- 이미지당 약 1메가픽셀입니다. 정확한 개체 수와 이미지 속 긴 텍스트는 신뢰하기 어렵습니다. Turbo는 4단계로 고정돼 있고 CFG나 negative prompt가 없으며, 시드가 달라도 비슷한 이미지가 나옵니다.
좋은 점
- OneIG-Bench 0.540점으로 20B Qwen-Image와 대등(자체 보고)
- Turbo: H100 한 장에서 1,024 x 1,024를 약 0.7초에 생성
- Apache 2.0 가중치와 전체 학습 코드
- 같은 저장소에 깊이 추정과 4x 업스케일링 파인튜닝 포함
아쉬운 점
- 긴 렌더링 텍스트는 Qwen-Image와 Z-Image에 뒤집니다
- NVIDIA CUDA 전용이며, 문서화된 diffusers나 ComfyUI 경로가 없습니다
- 최대 출력이 약 1메가픽셀 입니다
- 논문은 픽셀 공간 사전 학습에서 뚜렷한 이점을 찾지 못했습니다
추천 대상
픽셀 공간 diffusion을 연구하는 연구자, 그리고 다시 학습할 수 있는 허용적 라이선스의 처음부터 만든 이미지 모델을 원하는 개발자.
Iris-3B 대안
Iris-3B: 자주 묻는 질문
- Iris-3B, 쓸 만한 가치가 있습니까?
- 작고 완전히 공개된 픽셀 공간 생성 모델로, 벤치마크 하나에서 Qwen-Image와 대등합니다. 다만 개발사 스스로 논문에서, 증명하려던 픽셀 공간의 이점이 나타나지 않았다고 밝혔습니다. 평점은 5점 만점에 3.7점입니다.
- Iris-3B의 가격은 얼마입니까?
- 가중치와 코드는 Apache 2.0으로 무료이고, Hugging Face Spaces에 무료 데모가 있습니다. 유료 API는 없습니다.
- Iris-3B의 단점은 무엇입니까?
- 긴 렌더링 텍스트는 Qwen-Image와 Z-Image에 뒤집니다; NVIDIA CUDA 전용이며, 문서화된 diffusers나 ComfyUI 경로가 없습니다; 최대 출력이 약 1메가픽셀입니다; 논문은 픽셀 공간 사전 학습에서 뚜렷한 이점을 찾지 못했습니다.
- Iris-3B에 적합한 사람은 누구입니까?
- 픽셀 공간 diffusion을 연구하는 연구자, 그리고 다시 학습할 수 있는 허용적 라이선스의 처음부터 만든 이미지 모델을 원하는 개발자.
- 팀이나 프로 덕션 환경에서 Iris-3B의 비용은 얼마입니까?
- API 요금은 없습니다. 내려받는 용량은 text-to-image 약 12 GB, 깊이 추정과 업스케일러 모델이 각각 12 GB, Turbo 6 GB입니다. Turbo의 0.7초 수치는 H100에서 배치 크기 4 기준입니다.
- Iris-3B에 회사 데이터를 맡겨도 안전합니까?
- 로컬에서 실행됩니다. Apache 2.0은 상업적 사용을 허용합니다. 모델 카드는 출력이 부정확하거나 편향되거나 안전하지 않을 수 있으므로 검토해야 한다고 경고합니다.
- Iris-3B의 가장 좋은 대안은 무엇입니까?
- 저희가 리뷰한 것 중 가장 가까운 대안은 Z-Image-Turbo, FLUX 3 Image Klein 및 Qwen-Image-2.1입니다.
답변 확인일: 2026년 10월 31일.