G-STAR 是一套離散自迴歸圖像生成框架，處理的是圖像 token 太長會拖慢生成、壓縮得太狠又會令每個 token 承載不足的取捨。它把空間壓縮與 Product Quantization（PQ）的群組大小一起調整，再以半自迴歸方式處理群組內的編碼關係，目標是在 1024 × 1024 輸出下縮短解碼時間，同時保住圖像細節與文字排版。
它與同類方案的分別，在於沒有單靠增加序列長度換取還原品質，而是讓每個位置保留更多離散碼。項目以 32× tokenizer 在 ImageNet 512² 重建達到 25.12 dB PSNR；有效 64× 版本為 23.90 dB，接近 Open-MAGVIT2 16× 的 23.98 dB。這表示 G-STAR 的進步不只是速度，而是讓深度壓縮後仍可交出穩定的視覺表示。
- 32× 與有效 64× 空間壓縮，縮短自迴歸序列。
- discrete f32g16 tokenizer 在八項理解基準平均 64.7，與連續視覺特徵的 64.6 相若。
- Flash-1.7B 在單張 H200 上生成 1024² 圖像約需 2.5 秒。
- G-STAR-Pro-8B 在 GEdit-Bench 英文完整集錄得 7.45，可支援場景保留、風格轉換及文字替換。
對需要大量生成內容的服務商而言，較短序列可減少逐步解碼成本；想試用可從 Hugging Face 模型與瀏覽器示範開始，正式部署前則要按硬件、模型尺寸及 32× 或 64× 壓縮設定衡量取捨。它提供的是研究框架與模型資源，而非一鍵式圖像產品，實際吞吐量仍會受硬件和工作流影響。