官方表示：OpenVINO 2025.0 版本正式支持 FLUX.1 图像生成模型（含 Dev 与 Schnell 变体），可在英特尔 CPU / GPU 上通过 GenAI 流水线运行。开发者现可通过 Optimum-Intel 导出 Flux 模型，并结合 Text2ImagePipeline 生成图像。针对 Flux 模型对精度变化非常敏感的特点，我们进行了深度优化，确保图像生成性能与准确度兼得。
例如，INT8 量化版 FLUX.1-dev 模型在应用 Yarn 风格 LoRA 前后的对比如下（提示词："albert einstein, yarn art style"，初始种子 = 420，迭代次数 = 20）：
此次还加入了 Image2Image 与 Inpainting 的支持。
Image2Image：以图像 + 文本为输入生成新图像，提升结果可控性；
Inpainting：通过掩码图像替换输入图像的指定区域，支持局部内容再生。
两种流水线均兼容 LoRA 适配器，满足定制化需求。
本次新版本在 LLMPipeline API 中引入了对提示词查找解码的预览支持，这是对推测解码的简化，它在输入提示词本身中用直接查找机制取代了传统的草稿模型。这有助于在具有高相似性的请求的情况下显著减少生成延迟。例如，通过对一组文档的问答可以观察到性能优势，因为答案将根据作为提示词本身一部分的文档来生成。
英特尔称目前正在努力支持和验证最新模型，包括 Mistral-7B-Instruct-v0.2、Qwen2.5，“当然我们也支持基于 LLama 和 Qwen 架构的 DeepSeek 蒸馏模型。”
此外，2025.0 版本首次实现 NPU 加速支持，开发者可通过 PyTorch 的 torch.compile 接口调用英特尔 NPU 算力。OpenVINO 已经在 CPU 和 GPU 上得到支持，并且在性能方面非常接近原生 OpenVINO 推理。如下为启用方式：
