OpenAI研发了一种称为sCM（Continuous-Time Consistency Model）的生成方法，能够大幅提升采样速度，相比传统的扩散模型，sCM只需要两步骤采样即可生成高品质样本。研究显示，sCM在生成效率提升约50倍，且样本品质与最佳扩散模型相当，适合用于即时生成应用。

扩散模型已广泛用于生成图片、3D模型、音频和视频，但是传统扩散模型采样过程缓慢，通常需要数十到数百个逐步降噪的过程，才能生成一个高品质样本，因此，这类模型在即时应用和大规模数据生成方面效率很低且难以扩展，虽然现在已经有一些技术能够加快扩散模型的速度，但是通常伴随复杂训练过程，甚至是样本品质下降的副作用。

为了解决扩散模型的既有问题，OpenAI研究团队开发了sCM。sCM这种经过改良的生成模型方法，只需要两个采样步骤即可生成与扩散模型品质相当的高分辨率样本，大幅缩短生成样本的时间。由于sCM可实现约50倍的速度提升，因此特别适合用于即时应用，像是图片、音频和视频生成。

sCM也具有高可扩展性和稳定性，该模型可以处理大规模数据集，并能扩展至拥有15亿参数的模型，而且在该规模下，sCM仍可保持高品质生成效果。sCM训练过程利用预训练扩散模型蒸馏出来的知识，在缩短了采样时间的同时，保持高品质样本生成。

研究人员使用ImageNet 512x512数据集训练的sCM，能够生成细节丰富且高品质的图像，展现其在高分辨率生成方面的能力。虽然sCM只有两个采样步骤，但是生成的样本品质依然可接近最佳扩散模型，研究人员使用FID（Fréchet Inception Distance）分数进行评估，sCM样本品质与需要数百步骤采样的扩散模型相比，差异不到10%。