Optimum项目v1.24.0版本发布：全面支持SD3/Flux模型与DinoV2等新特性

Optimum是Hugging Face推出的一个专注于模型优化与加速的开源工具库，旨在为开发者提供简单易用的接口来实现模型在各种硬件平台上的高效推理与训练。该库支持多种优化技术，包括量化、剪枝、图优化等，并能与Hugging Face生态中的Transformers、Diffusers等库无缝集成。

核心功能升级

本次发布的v1.24.0版本带来了多项重要改进，特别是在ONNX运行时支持和模型覆盖范围方面有显著提升。

扩散模型支持扩展

新版本增加了对SD3（Stable Diffusion 3）和Flux模型的完整支持，通过ORTDiffusionPipeline实现了这些最新扩散模型的高效推理。特别值得注意的是，团队专门为Flux模型生成了guidance机制，确保模型能够按照预期生成高质量的图像输出。

针对SDXL refiner的导出问题，本次更新也进行了修复，解决了之前版本中可能存在的导出失败问题。

ONNX生态增强

在ONNX支持方面，本次更新实现了多项突破：

1. 模型覆盖范围扩大：新增支持Decision Transformer、ModernBERT、Megatron-BERT、DinoV2、OLMo等前沿模型的ONNX导出，极大地丰富了可用模型的选择范围。

2. 子文件夹支持：ORTQuantizer现在能够正确处理存储在子文件夹中的ONNX模型文件，提高了项目组织的灵活性。

3. IO绑定全面化：为所有支持的Transformers模型实现了ONNX Runtime IO Binding支持，确保没有模型会被遗漏，都能获得性能优化。

4. 执行效率优化：通过解绑DummyTimestepInputGenerator生成的输入，减少了不必要的内存占用和计算开销。

架构与兼容性改进

在系统架构层面，本次更新也做出了重要调整：

1. Python版本支持：正式放弃了对Python 3.8的支持，建议用户升级到更新的Python版本以获得更好的性能和功能支持。

2. Transformers兼容性：确保与Transformers v4.47和v4.48版本的完全兼容，用户可以安心使用最新版本的Hugging Face生态系统组件。

3. 设备检查优化：改进了设备检测逻辑，确保模型能够正确地分配到可用设备上运行。

4. 依赖管理：移除了datasets作为必需依赖项，减少了不必要的包安装，使库更加轻量化。

问题修复与稳定性提升

团队针对多个关键问题进行了修复：

1. 修复了ModelPatcher可能返回空输出的问题，确保了模型修改后的正确性。

2. 解决了GPTQModel在AutoModel加载时因模块前缀不匹配导致的问题，提高了模型加载的可靠性。

3. 优化了SentenceTransformers模型的任务推断逻辑，当模型来自sentence transformer时能更准确地识别任务类型。

新贡献者与社区发展

本次更新还迎来了多位新贡献者的加入，他们的工作涉及多个方面，包括ONNX导出支持、模型优化等。社区贡献是Optimum项目持续发展的重要动力，这些新成员的加入为项目注入了新鲜血液和创新思路。

总结

Optimum v1.24.0版本在模型支持范围、运行效率、系统稳定性等方面都取得了显著进步。特别是对SD3和Flux等最新扩散模型的支持，以及DinoV2等计算机视觉模型的ONNX导出能力，为开发者提供了更强大的工具来构建高效AI应用。随着Python 3.8支持的移除和Transformers最新版本的兼容，项目也在不断演进以适应技术发展的需求。

对于正在使用或考虑使用Hugging Face生态进行模型优化和部署的开发者来说，升级到v1.24.0版本将能够获得更好的性能、更广泛的模型支持以及更稳定的使用体验。