LlamaGen es una nueva familia de modelos de generación de imágenes que aplica el paradigma de predicción del siguiente token de los grandes modelos de lenguaje al ámbito de la generación visual. A través de una ampliación adecuada, el modelo logra un rendimiento de vanguardia en la generación de imágenes sin necesidad de sesgos inductivos sobre las señales visuales. LlamaGen reexamina el espacio de diseño de los tokenizadores de imágenes, las propiedades de escalabilidad de los modelos de generación de imágenes y la calidad de sus datos de entrenamiento.