Clark Labs 发布 Sana 1.6B 三值量化版，体积压缩至 374 MB

Clark Labs 在 Hugging Face 发布 clark-air-sana-1.6b-1.58bit 模型仓库，对 Sana 1.6B（512px）文本生成图像 transformer 进行了三值化（ternary）压缩，并采用 group-wise 缩放因子。打包后的权重文件体积仅 374 MB，约为 FP16 原始体积 3.21 GB 的 12%，对应实测约 1.85 bit/参数，整体压缩比达到 8.6×，官方描述其质量接近 FP16。

核心规格

• 基础模型：Sana 1.6B，512px 文本生成图像 transformer
• 量化方案：ternary（三值）+ group-wise scales
• 精度保留：约 5% 参数（conditioning 与 projection 层）保持较高精度
• 许可证：Apache-2.0

体积与文件

仓库提供两种权重形态：

• clark-air-sana-1.6b-packed.safetensors：374 MB，打包的三值权重，用于低资源部署
• transformer/ 目录下的 bf16 dequantized 权重：3.21 GB，与 diffusers 中原始 Sana 1.6B transformer 体积一致，可作为 drop-in replacement 直接替换使用

两种文件分别对应「极致压缩」与「即插即用」两种使用场景，前者适合显存或存储受限的本地推理环境，后者便于在已有 diffusers 流程中直接验证效果。

使用方式

若已在 diffusers 中跑通 Sana 1.6B，可直接用仓库内解包版本的 transformer 权重替换原模型，无需改动其他代码；若希望进一步减小部署体积，则使用 packed 三值权重自行在推理端反量化。

注意事项

官方仅以「near-FP16 quality」描述画质表现，未在仓库中公开 FID、IS 或人工评估等定量对比数据。实际生成质量受 prompt 与解码流程影响，社区用户需自行对比测试，以判断压缩带来的视觉损失是否在可接受范围内。1.58bit 这一数字源于理论三元编码 log2(3) ≈ 1.585，不含 group-wise 缩放因子与精度保留部分的额外开销，因此实测值高于理论值。