FireRed-Image-Edit 是小红书 Super Intelligence 团队（FireRedTeam）于 2026 年 2 月 14 日 开源的通用型文本引导图像编辑模型，基于扩散 Transformer 架构，主打高保真、强指令跟随、全局一致性，在多项开源图像编辑基准中达到 SOTA（当前最优），部分指标接近闭源商业模型。

FireRed-Image-Edit 是一款通用型图像编辑模型，可在多类编辑场景下实现高保真、一致性的图像编辑效果，在开源图像编辑模型中表现领先。

FireRed-Image-Edit技术背景：从全局生成到局部推理

传统的图像编辑模型在执行“局部修改”时，往往容易造成非目标区域的语义漂移（例如修了衣服，背景却变了）。

FireRed-Image-Edit 引入了名为 FireEdit 的架构，其核心是区域感知（Region-aware）机制。通过视觉语言模型（VLM）与扩散模型的结合，系统尝试在理解用户指令的同时，更精准地锁定需要编辑的空间坐标。这种设计旨在解决复杂指令下，局部修改与全局画面和谐度之间的平衡问题。

核心特性

编辑性能优异：指令跟随精准、生成图像画质高，视觉连贯性强，开源模型中表现领跑

原生编辑能力：基于文本到图像基础模型直接构建，原生赋予图像编辑能力

文本风格高保真：可高度还原图像中的文本样式，效果媲美闭源解决方案

老照片修复：实现高质量的老照片修复与画质增强

多图像灵活编辑：支持虚拟试穿等多图像联动的灵活编辑场景

文字编辑

FireRed-Image-Edit创新性地提出了Layout-Aware OCR-based Reward。

在强化学习阶段，团队不仅惩罚错别字，还惩罚字符的错位、大小异常和布局崩坏。

这使得模型在进行海报修改、文字替换时，能更准确地进行编辑并保持原始文字风格。

示例：将海报上右下角的文字“ programme”修改为“program ongoing”，保持字体和风格一致。

创意与多图生成

同时依赖于强大的模型架构能力，FireRed-Image-Edit支持了创造力场景生成和多参考图生成的能力，支持风格迁移或多图融合。

基准测试

为验证模型能力，研发团队构建了REDEdit-Bench 基准测试集，该数据集聚焦更贴合人类语言习惯的多样化编辑场景与指令，可全面评估图像编辑模型的性能。数据集从互联网收集 3000 余张图像，经专家设计筛选，最终构建了涵盖 15 个分类、1673 组中英双语的图像编辑样本对。