Reve 2.1 以十分之一算力位居 Arena 第二

Reve 正在提出一项效率主张，这与它规模更大的竞争对手的支出曲线背道而驰。这家独立图像模型实验室表示，Reve 2.1 在 Arena 和 Design Arena 排行榜上总体排名第二，而训练所用的算力不到排名在其之上和之下实验室的十分之一。该公司还表示，该模型保持了全球最佳 4K 模型的地位，并在这两个平台上都是排名最高的独立基础图像实验室。按照 Reve 自己的数据，这一比例正是那些为规模大得多的训练运行提供资金的团队所关注的。较小的实验室此前已经测试过精简训练的极限：志愿者以约 200 美元从零权重训练了 NanoColibri 的 2.7B MoE。

Reve 2.1 于 7 月 9 日发布，距 2.0 发布约一个月。该公司将其定位为对既有押注的打磨，而非重写。该模型在渲染前会先规划布局，并推理场景中各元素之间的关系。输出为完整 4K，公司称其相当于 1600 万像素。图像内的文字渲染现在扩展到了外语文字, , 在这一类别中，图像模型长期以来一直存在字母错乱的问题，而 智谱 AI 的 GLM-Image 也直到最近才攻克中文。

算力差距

效率是这次发布的核心。Reve 表示，2.1 重新夺回了总体第二的位置，仅次于排名第一的实验室，而训练算力消耗不到周围实验室的十分之一。这种比较区分了两类实验室：一类可以在数月内完成迭代，另一类的训练运行仅排期就要花那么长时间。这一发布也恰逢一个关键时刻, , 业界应对算力成本的一贯做法是购买更多 GPU：多吉瓦级交易不断达成，却没有哪一方真正负责让它们保持满载运转。

这篇发布文章没有提供的内容包括：原始算力数据、排行榜投票的细分，以及与第一名之间的差距大小。其所声称的只是排名和比例，介于两者之间的信息并不多。从表面价值来看，这是一个非凡的效率结果。缺失的数字与其说构成怀疑的理由，不如说划定了这一结果所能支撑的边界。

该发布所声称的内容

声明	Reve 的原话
Arena 排名	总体第二；最佳 4K 模型；排名最高的独立图像实验室
训练算力	不到排名在其之上和之下实验室的十分之一
输出分辨率	原生 4K，1600 万像素
发布节奏	距 Reve 2.0 发布约一个月

可控性是重点

功能列表简短而明确。精确编辑将每个元素都视为可寻址对象，因此可以更改并重新渲染单个区域，而图像的其余部分保持不变。布局规划体现在密集、复杂的场景中，模型会在渲染前理清结构和空间关系。在迭代编辑过程中，输出始终保持原生 4K 分辨率，这对图像需要被裁剪、放大和检查的商业工作至关重要。

多语言升级推动该模型走向生产级设计，而非一次性生成。关键在于图像内部清晰、密集的文字排版，而这些文字在过去往往会出现错乱。

布局押注

Reve 将这次发布描述为一项两年押注的回报：图像应该像代码一样构建，具有层级化、结构化的区域，而非自由形式的像素。该公司提到一篇名为 "The Layout Bet" 的文章，其中描述了 2.1 背后的大型布局模型及其所支持的扩展推理上下文。这种先推理后渲染的思路也出现在其他生成研究中：PhiZero 教会视频 AI 在渲染前先思考物理规律。

这一理念贯穿于整个发布：规划、可寻址区域、在生成像素之前进行推理。对于一家独立实验室来说，这一押注也有经济层面的意义。仅用邻居所用算力的一小部分就能保持竞争力，这种优势会在未来的每一次发布中不断累积。

悬而未决的问题是这一排名能维持多久。随着新模型问世和投票者习惯改变，排行榜会不断变化，单次发布并不能确立一种趋势。更广泛的基准测试领域已经出现过静态测试失效并被取代的情况。按照该公司自己的说法，2.1 所证明的是，一个仅用一小部分算力运行的实验室仍能跻身前列。排在其之上和之下的实验室将在未来几个月内推出各自的更新。