**微软Lens模型证明：详细描述胜过规模，38亿参数媲美大型图像生成器**

_Microsoft Research&\#039;s Lens proves detailed captions matter more than raw scale for training efficient image generators_

> 微软研究院推出Lens文本到图像模型，仅38亿参数，在基准测试中与更大模型相当，训练成本更低。秘诀是使用GPT-4.1生成的8亿条详细图像描述，而非模糊网页替代文本。代码和权重已开源。

**来源信息**
- **来源**：The Decoder：AI News（RSS）
- **分类**：ai-models
- **发布时间**：2026-06-09 01:57（北京时间）
- **原文**：[打开原文](https://the-decoder.com/microsoft-researchs-lens-proves-detailed-captions-matter-more-than-raw-scale-for-training-efficient-image-generators)