النماذج المولدة القائمة على التدفق، التي تتميز جاذبيتها المفهومية بسبب قابلية حساب الاحتمالية اللوغاريتمية الدقيقة والاستدلال عن المتغيرات الكامنة، وكفاءة التدريب والاستخراج، أدت إلى تحقيق عدد من النجاحات التجريبية المثيرة للإعجاب وحفزت العديد من الأنواع المتقدمة والتحقيقات النظرية. رغم كفاءتها الحاسوبية، فإن أداء تقدير الكثافة في النماذج المولدة القائمة على التدفق يتأخر بشكل كبير عن أداء نماذج الانحدار الذاتي الأكثر تقدمًا. في هذا العمل، نقدم التدفق المولد باستخدام التوافقي المقنّع (MaCow)، وهو بناء بسيط ولكنه فعال للتدفق المولد يستخدم التوافقي المقنّع. من خلال تقييد الاتصال المحلي في نواة صغيرة، يتمتع MaCow بخصائص التدريب السريع والاستقرار، والاستخراج الكفء، بينما يحقق تحسينات كبيرة على Glow في تقدير الكثافة على مقاييس الصور القياسية، مما يضيق الفجوة مع نماذج الانحدار الذاتي بشكل كبير.