英特爾于近日在其開發人員專區宣布，OpenVINO 2025.0版本已正式面世，這一里程碑式的更新標志著在性能提升、生成式AI模型支持以及對英特爾神經處理單元（NPU）的優化方面取得了顯著進展。
據悉，OpenVINO 2025.0版本引入了對FLUX.1圖像生成模型（包括Dev與Schnell版本）的官方支持，這意味著開發者可以在英特爾的CPU和GPU上，通過GenAI流水線運行這些模型。通過Optimum-Intel工具，開發者能夠導出Flux模型，并結合Text2ImagePipeline功能，實現圖像的生成。特別針對Flux模型對精度變化的高度敏感性，英特爾進行了深度優化，確保了圖像生成的高性能與準確性。
新版本還增添了Image2Image與Inpainting兩大功能。Image2Image允許用戶以圖像和文本為輸入，生成全新的、可控性更強的圖像；而Inpainting則能夠通過掩碼圖像，替換輸入圖像中的特定區域，實現局部內容的再生。這兩種流水線均兼容LoRA適配器，為用戶的定制化需求提供了更多可能性。
在LLMPipeline API方面，OpenVINO 2025.0版本也帶來了創新。它引入了提示詞查找解碼的預覽支持，這是對推測解碼的一種簡化。通過直接查找機制取代傳統的草稿模型，這一功能在處理高相似性的請求時，能夠顯著減少生成延遲。例如，在問答場景中，答案將直接基于作為提示詞一部分的文檔生成，從而展現出明顯的性能優勢。
英特爾還透露，他們正在積極支持和驗證最新的模型，包括Mistral-7B-Instruct-v0.2和Qwen2.5。同時，基于LLama和Qwen架構的DeepSeek蒸餾模型也得到了支持。這些舉措無疑將進一步拓寬OpenVINO的應用領域和場景。
OpenVINO 2025.0版本首次實現了對NPU的加速支持。開發者現在可以通過PyTorch的torch.compile接口，輕松調用英特爾NPU的算力。此前，OpenVINO已在CPU和GPU上得到了廣泛支持，并且其性能已經接近原生OpenVINO推理。這一新功能的啟用方式也極為簡便，為開發者提供了更多的選擇和靈活性。
