Iris-3B erzeugt Pixel ohne VAE

Fast alle popularen Bildgeneratoren arbeiten unter der Haube gleich. Sie zeichnen Pixel nicht direkt. Sie komprimieren ein Bild zunachst uber eine Komponente namens variationaler Autoencoder, kurz VAE, in eine kleinere abstrakte Darstellung, generieren in diesem komprimierten Raum und dekodieren das Ergebnis zuruck in Pixel. Dieses zweistufige Design ist effizient, und genau daher stammen viele kleine Fehler. Feiner Text verschmiert. Dunne Linien wellen sich. Details gehen im Hin und Her verloren.

Im Oktober 2026 veroffentlichte ein kleines Labor namens Speridlabs Iris-3B, ein Modell mit 3 Milliarden Parametern, das den Umweg ganz uberspringt. Es erzeugt Pixel direkt. Die Gewichte sind unter Apache 2.0 offen, und das Ganze basiert auf einem Flow-Matching-Transformer. Es ist nicht das grosste oder schillerndste Bildmodell des Monats. Fur das, was es uber die Richtung des Feldes sagt, ist es womoglich das interessanteste.

Warum der VAE-Verzicht zählt

Der VAE existiert, um Generierung gunstig zu machen. In einem komprimierten latenten Raum zu arbeiten senkt den Rechenaufwand deutlich, weshalb fast jedes Diffusionsmodell einen nutzt. Der Kompromiss: Der Encoder wirft Information weg, bevor die Generierung beginnt, und der Decoder muss sie erraten. Bei niedriger Auflosung ist der Verlust unsichtbar. Bei hoher Auflosung oder bei bildern mit dichtem Text und prazisen Kanten zeigt er sich als der vertraute Brei, den Generatoren um kleine Details legen.

Im Pixelraum zu generieren entfernt diesen Engpass, weil keine Kompressionsstufe etwas verlieren kann. Der Preis ist, dass die Arbeit nun auf einem viel grosseren Wertgitter stattfindet, was teuer ist. Iris-3B argumentiert, dass es klein genug ist, um diesen Aufwand beherrschbar zu machen. Ob das in der Praxis halt, werden die Nutzer testen, aber die Richtung ist klar: Je besser die Effizienz, desto schwacher der Grund, die Qualitatseinbusse des VAE zu akzeptieren.

{{INLINE1}}

Der zweite Trick: ein generativer Prior fur Vision

Das Ungewohnlichere an Iris-3B ist, was es sonst tut. Das Modell wendet seinen generativen Prior auf detailkritische Sehaufgaben an, darunter Tiefenschatzung und Bildrestaurierung. Kurz gesagt: Ein Modell, das darauf trainiert ist, Bilder zu erzeugen, kann auch gebeten werden, Informationen daraus zu gewinnen: zu schatzen, wie weit Dinge entfernt sind, oder ein degradiertes Foto zu bereinigen.

Das ist eine bedeutsame Kombination, weil sie auf einen breiteren Trend zeigt. Eine Zeit lang galten Generierung und Verstandnis als zwei Probleme mit zwei Modellen. Zuletzt verschmelzen sie. Ein System, das ein plausibles Bild erzeugen kann, versteht bereits viel daruber, wie Szenen aufgebaut sind, wie Licht fallt und wie Objekte im Raum zusammenhangen. Dieses Verstandnis fur Analyseaufgaben wiederzuverwenden, ist billiger, als fur jede ein eigenes Modell zu trainieren.

Was Flow Matching bedeutet

Iris-3B basiert auf einem Flow-Matching-Transformer, und die Idee ist einfacher als der Name. Altere Bildmodelle lernen, indem sie einen Prozess umkehren, der einem Bild Schritt fur Schritt Zufallsrauschen hinzufugt, bis es verschwindet. Die Generierung lasst diesen Prozess dann ruckwarts laufen und entrauscht so lange, bis ein Bild entsteht. Flow Matching nimmt einen direkteren Weg. Es lernt einen fast geraden Pfad von Rauschen zu Bild statt eines gewundenen, was theoretisch weniger Schritte und weniger Rechenaufwand fur ein gutes Ergebnis braucht.

Das zahlt besonders fur ein Pixelraum-Modell. Auf rohen Pixeln zu arbeiten ist teuer, und der ubliche Weg, diese Kosten zu beherrschen, ist jeder Schritt effizient. Ein geraderer Pfad bedeutet weniger Schritte, was zum Teil erklart, wie ein Modell mit 3 Milliarden Parametern eine Aufgabe angeht, die grossere Systeme mit dem VAE-Abkürzung bewaltigen. Architekturwahl und Modellgrosse gehoren zusammen. Keines allein wurde reichen.

Unabhangige Tests werden entscheiden, ob sich der Kompromiss lohnt. Wenn Pixelraum-Generierung bei ahnlichen Kosten mit latenter Generierung gleichzieht, ist der VAE kein Standard mehr, sondern eine Option. Wenn nicht, bleibt Iris-3B ein nutzlicher Datenpunkt dazu, wo die Wand liegt.

Wofur ein kleines offenes Modell wirklich gut ist

Iris-3B wird auf keinem Ranking die Giganten uberholen. 3 Milliarden Parameter sind ein Bruchteil dessen, was kommerzielle Fuhrer betreiben, und ein Allroundmodell dieser Grosse verliert bei den schwierigsten Prompts. Es an diesem Massstab zu messen, verfehlt den Punkt.

Offene Modelle dieser Grosse verdienen ihren Platz auf drei Wegen. Sie laufen auf Hardware, die Menschen bereits besitzen, also keine Rechnung pro Bild und kein Verlassen des Gebaudes. Sie lassen sich fur eine enge Aufgabe feinjustieren, und genau dort schlagen kleine Modelle oft die grossen: Ein speziell auf die Produktfotografie eines Unternehmens trainiertes Modell ubertriift ein Allroundmodell bei genau dieser Aufgabe. Und sie sind prufbar, was fur Teams zahlt, die erklaren mussen, woher eine Ausgabe kommt.

Die Apache-2.0-Lizenz ist das Detail, das alle drei moglich macht. Eine permissive Lizenz erlaubt einem Start-up, ein Produkt auf Iris-3B zu bauen, ohne Bedingungen zu verhandeln oder einen kunftigen Preiswechsel zu furchten. Fur ein Labor, das seine Architektur verbreiten will, ist das der schnellste Weg zur Relevanz. Das Modell muss das Ranking nicht gewinnen. Es muss das sein, womit andere bauen.

Eine Warnung, die fur jede offene Veroffentlichung gilt

Eine Warnung gilt fur jedes offene Modell, und Iris-3B ist keine Ausnahme. Eine permissive Lizenz deckt die Gewichte, nicht die Trainingsdaten und nicht die Ausgaben. Teams, die kommerziell ausliefern wollen, mussen weiter bedenken, woraus das Modell gelernt hat und welche Rechte an einem erzeugten Bild hangen. Das ist eine Rechtsfrage, die die Lizenz nicht beantwortet, und es ist dieselbe Frage, die jedes offene Modell aufwirft. Die Freiheit, das Modell selbst zu betreiben, ist real und wertvoll. Sie ist nicht dasselbe wie Freiheit von Haftung.

Das grossere Bild

Das Bildfeld im Oktober 2026 wirkt von oben uberfullt. Nano Banana 2.1, GPT Image 2.5, FLUX 3 und Seedream 5.0 haben alle kurzlich Updates geliefert, und die Fortschritte an der Front werden in kleinen Margen gemessen. Darunter ist die interessantere Bewegung architektonisch. Pixelraum-Generierung hinterfragt eine Annahme, die seit den ersten Diffusionsmodellen gilt: dass man komprimieren muss, bevor man erschafft. Und kleine offene Modelle beweisen weiter, dass der schnellste Weg, eine Idee im Feld zu verbreiten, ist, sie wegzugeben.

Iris-3B mag eine Fussnote bleiben oder die Version werden, die andere kopieren. So oder so verdienen die zwei Fragen Aufmerksamkeit. Kann man Bilder in vollem Detail ohne verlustbehafteten Zwischenschritt erzeugen, und kann ein Modell zugleich erschaffen und analysieren? Lauten die Antworten ja, wird die nachste Generation von Bildwerkzeugen auf einem anderen Fundament stehen als die letzte.