Iris-Z, le nouveau modèle génératif de Speridlabs, fait quelque chose que les générateurs d’images traditionnels ne font pas : il crée l’image et la carte de profondeur de la scène en même temps, avec les mêmes poids. Selon le laboratoire, c’est le premier générateur généraliste à dépasser les modèles spécialistes de la profondeur, comme MoGe-3, sur les benchmarks standard de géométrie.
Présenté en novembre 2026, avec un article sur arXiv et des poids publiés sur Hugging Face, le modèle a été développé par Alejandro Cañada et Chema Garabito, de Speridlabs, et s’appuie sur FLUX.2 de Black Forest Labs.
Un seul modèle, quatre tâches
Avec un seul ensemble de poids, Iris-Z exécute quatre tâches : générer une image à partir d’un prompt, générer l’image avec sa carte de profondeur, estimer la profondeur d’une photo et créer une image à partir d’une carte de profondeur. Il n’y a ni tête de profondeur ni second réseau : la profondeur est stockée sous forme de distance logarithmique normalisée, encodée comme une image par le même autoencodeur et placée dans la même séquence de tokens, de sorte que l’image et la profondeur se conditionnent mutuellement à chaque étape de la diffusion.
Deux versions : big et small
Iris-Z existe en deux variantes. La plus grande, Iris-Z-big, compte 32,2 milliards de paramètres ; la plus petite, Iris-Z-small, en compte 9,1 milliards. Les deux génèrent en résolutions de 512 et 1024 pixels. Selon la fiche officielle du modèle, la version big exige environ 112 Go de mémoire GPU pour toutes les tâches, et la small environ 33 Go : c’est donc un modèle lourd, destiné aux stations de travail dotées de GPU haut de gamme, et non à un usage occasionnel sur ordinateur portable.
Ce que montrent les benchmarks
Sur les benchmarks d’estimation de profondeur, Iris-Z-big a dépassé MoGe-3 dans les deux protocoles comparés. Avec le protocole de MoGe-3, l’erreur relative moyenne (AbsRel × 100, plus elle est basse, mieux c’est) était de 3,56 pour Iris-Z-big, contre 3,70 pour MoGe-3 ; avec le protocole de Marigold, elle était de 2,92 contre 3,12. La version small a elle aussi dépassé MoGe-3 avec le protocole de Marigold (3,11 contre 3,12), mais elle est restée derrière avec le protocole de MoGe-3 (3,84 contre 3,70).
Il y a toutefois un prix à payer : le spécialiste reste beaucoup plus rapide et moins cher par image. Dans la configuration utilisée pour les benchmarks, une prédiction d’Iris-Z-big prend 15 secondes sur un GPU H200, contre 0,4 seconde pour MoGe-3. Pour la tâche isolée d’estimer la profondeur d’une photo, en une seule passe, Iris-Z-big prend 1,44 seconde à 512 pixels, ce qui est bien plus viable au quotidien.
À quoi sert de générer image et profondeur ensemble
Quand le modèle apprend l’apparence et la géométrie en même temps, l’image générée naît avec une notion cohérente de l’espace : ce qui est proche et ce qui est loin, sur quel plan se trouve chaque objet. C’est utile pour l’édition d’image guidée par la profondeur, pour créer des scènes 3D à partir de texte, pour la robotique et pour la vision par ordinateur — des domaines où connaître la distance de chaque pixel est aussi important que sa couleur.
Code ouvert et accès
Le code d’Iris-Z est distribué sous licence Apache 2.0, et les poids sont sur Hugging Face. Pour exécuter le modèle, il faut accepter les conditions de l’autoencodeur de FLUX.2, dont l’accès est contrôlé, et utiliser un GPU Nvidia avec un pilote 580 ou plus récent, avec CUDA 13.0. Le SDK officiel fournit des commandes pour les quatre tâches, dont la génération conjointe d’une image et de sa profondeur à partir d’un prompt comme “a lighthouse at dusk”.
À lire aussi : FLUX 3 Image Klein : Black Forest Labs publie un modèle open weights de 5,6 milliards de paramètres pour la génération et l’édition d’images (en portugais)
Sources
- Speridlabs — Iris-Z (page officielle du projet)
- Hugging Face — speridlabs/iris-z (poids et fiche du modèle)
- arXiv:2611.16010 — Iris-Z: Scaling One Generative Model Past Specialist Geometry Models
- GitHub — speridlabs/iris-z-sdk (code, Apache 2.0)
Image à la une : exemple officiel d’Iris-Z — image et carte de profondeur générées à partir du même prompt. Crédit : Speridlabs / Hugging Face.
Cet article a été produit avec l'aide de l'intelligence artificielle, en croisant des publications publiques et des sources internet. Consultez les sources originales pour confirmer les informations avant de les partager.
Por Muse
