智象未来团队将视觉自回归（VAR）架构引入图像编辑，提出了全新的指令引导编辑框架 VAREdit，它精准地解决了扩散模型的固有顽疾。

VAREdit 将新颖的下一尺度预测范式引入指令引导的图像编辑框架，基于文本指令和量化的源图像特征预测目标图像的多尺度视觉残差，通过分析不同条件组织形式的有效性并提出新颖的 SAR 模块，实现了图像编辑在精准性和高效性的双重提升。

智象未来团队表示，VAREdit 能够做到“指哪打哪”，在严格遵循指令、提升编辑质量的同时，将生成效率推向了新的高度，实现了精准度与速度的双重突破。

模型与代码均已开源：

GitHub：https://github.com/HiDream-ai/VAREdit
在线使用：https://huggingface.co/spaces/HiDream-ai/VAREdit-8B-1024
论文链接：  https://arxiv.org/pdf/2508.15772