収集済みの情報から、要求形式で考察します。 --- ■ **概要（1行）** Autoregressive次トークン予測パラダイムを画像生成に適用したLlama系モデルで、Diffusionと比較して推論速度・スケーラビリティで優位。 ■ **特徴・用途（2〜3行）** - **技術**: 100M～3.1Bの複数サイズで、帰納バイアスなしの標準Autoregressive生成を採用。画像トークナイザー（DS=16/8）でスケーラブル設計。 - **用途**: ImageNet級クラス条件付き生成、テキスト条件付き生成。vLLM推論エンジンで300～400%の高速化。 - **利点**: Diffusionより計算効率が高く、大規模LLMのエコシステム（推論最適化・量子化・蒸留）を直接活用可能。 ■ **結論（1行）** 大規模化に適したAutoregressive生成の可能性を実証した研究で、本番LLMサービング基盤を再利用できる実装価値あり。