Microsoft Mage-Flow — โมเดลสร้าง/แก้ภาพโอเพนซอร์ส 4B รันในเครื่องฟรี สั่งงานผ่าน AI agent ได้

Mage-Flow คือโมเดลสร้างและแก้ไขภาพแบบโอเพนซอร์สจาก Microsoft ปล่อยเมื่อ 22 กรกฎาคม 2026 ภายใต้ใบอนุญาต MIT ซึ่งเปิดกว้างมาก จุดตั้งใจของมันคือทำให้เร็ว กินหน่วยความจำน้อย และใช้ได้จริงกับคนที่มีการ์ดจอไม่ได้แรงมหาศาล

ตัวโมเดลอยู่ที่ราว 4 พันล้านพารามิเตอร์ (4B) ประกอบด้วยสองส่วนที่ออกแบบมาคู่กัน คือ Mage-VAE ซึ่งเป็นตัวแปลงภาพให้กะทัดรัดแต่ยังคมชัด กับตัว diffusion transformer แบบรองรับความละเอียดตามภาพจริง (native resolution) เทรนด้วยวิธี rectified flow ในโค้ดตัวอย่างยังจับคู่กับตัวถอดรหัสของ Qwen ขนาดเล็กด้วย ทำให้โดยรวมยังเบา

Mage-Flow มีหลายเวอร์ชันให้เลือก ทั้ง Base, RL-aligned, Turbo และ Edit โดยน้ำหนักโมเดลอยู่บน Hugging Face โค้ดอยู่บน GitHub และมีเปเปอร์ประกอบ ความเร็วในโหมด Turbo สร้างภาพ 1024×1024 ได้ในราว 0.59 วินาทีบนการ์ด A100 หนึ่งใบ และสร้างภาพความละเอียดตั้งแต่ 512 ถึง 2048 พิกเซลได้แบบเนทีฟ ส่วนงานแก้ภาพรับคำสั่งเป็นภาษาธรรมชาติ เช่น เปลี่ยน กู้คืน หรือแทรกวัตถุ และทำงานกับภาพหลายใบพร้อมกันได้

จุดที่ใช้งานจริงได้เลยคือการให้ AI agent เป็นคนสั่ง เช่น บอก Claude Desktop ให้สร้างภาพ มันจะไปเรียก Mage-Flow รันเบื้องหลัง เสร็จแล้วเด้งภาพขึ้นหน้าต่างให้เอง ไม่ต้องใส่ API key นอกจากนี้ยังเปิดผ่านหน้า Gradio หรือสั่งจาก terminal ได้ และมีเดโมบน Hugging Face ให้ลองเทียบโหมด quality กับ turbo/fast

ฟันธง: "ลอง" โดยเฉพาะถ้าคุณอยากได้ภาพฟรีในเครื่องตัวเอง ไม่ต้องส่งข้อมูลออกไปที่ API ภายนอก ซึ่งเป็นข้อดีเรื่องความเป็นส่วนตัวของงานลูกค้าและงานบริษัท ขนาด 4B ที่เบากว่าคู่แข่งทำให้ติดตั้งและลองได้ง่ายกว่า และการสั่งผ่าน agent ได้ทำให้มันเสียบเข้า workflow อัตโนมัติของทีมได้ทันที

จุดที่ต้องระวังคือสเปกเครื่อง ตัวเลข 0.59 วินาทีคือบน A100 ซึ่งเป็นการ์ดระดับเซิร์ฟเวอร์ ถ้าเครื่องคุณไม่แรง ความเร็วจริงจะต่างไปมาก ก่อนวางใช้กับงานจริงควรทดสอบบนเครื่องของคุณเองก่อน ต่อยอดได้ด้วยการทำเป็น skill ให้ agent เรียกตอนต้องปั้นภาพประกอบ แล้วตั้ง Human Gate ให้คนตรวจภาพก่อนนำไปใช้จริงเสมอ