LlamaGen é uma nova família de modelos de geração de imagens que aplica o paradigma de previsão original do próximo token de modelos de linguagem grandes ao campo da geração visual. Através de uma expansão apropriada, o modelo alcança desempenho de ponta na geração de imagens sem depender de vieses indutivos de sinais visuais. O LlamaGen reavalia o espaço de design de tokenizadores de imagens, as propriedades de escalabilidade dos modelos de geração de imagens e a qualidade de seus dados de treinamento.