近日，騰訊混元團(tuán)隊宣布開源混元圖像3.0圖生圖版本（HunyuanImage 3.0-Instruct），沐曦股份曦云C500/C550 24小時內(nèi)完成適配，為國內(nèi)首批適配該模型的國產(chǎn)算力。

此次高效適配得益于沐曦自研MXMACA軟件棧的良好兼容性和適配能力。作為沐曦“自主GPGPU硬件+全棧軟件體系”的關(guān)鍵協(xié)同載體，MXMACA承擔(dān)著連接硬件算力單元與上層應(yīng)用生態(tài)的核心紐帶作用，覆蓋底層驅(qū)動、用戶態(tài)接口、編譯器、算子適配、訓(xùn)練框架、推理框架、行業(yè)場景優(yōu)化等全鏈路能力，是支撐國產(chǎn)GPU生態(tài)落地與行業(yè)賦能的算力基座。

關(guān)于騰訊混元圖像3.0圖生圖

混元圖像3.0圖生圖支持多樣化的圖片編輯與多圖融合能力，包括增、刪、改、風(fēng)格變換、老照片修復(fù)、人物與文字修改等圖片編輯功能，以及將多張照片中的元素提取出來合成新圖片的能力。對于普通用戶，該模型可用于制作表情包、虛擬人物合拍、社交分享等日常場景。對于專業(yè)用戶，它能夠助力電商海報設(shè)計、游戲角色定制、創(chuàng)意圖片制作等專業(yè)領(lǐng)域，顯著提升創(chuàng)作效率。

混元圖像3.0圖生圖版本基于混元圖像3.0的原生多模態(tài)架構(gòu)構(gòu)建，將文本理解、視覺理解與圖像生成深度融合于同一模型中。作為原生多模態(tài)模型，混元圖像3.0圖生圖核心創(chuàng)新在于其“先思考，后編輯”的工作流程。當(dāng)接收到用戶輸入的圖片和提示詞后，模型會首先理解圖像內(nèi)容，然后基于提示詞進(jìn)行推理，確定需要編輯的區(qū)域、詳細(xì)步驟以及需要保留的區(qū)域，最終形成更加詳細(xì)的編輯指令。

混元圖像3.0圖生圖基于80B總參數(shù)規(guī)模（激活參數(shù)約13B）的混合專家原生多模態(tài)架構(gòu)，在處理圖像編輯任務(wù)時展現(xiàn)出強(qiáng)大的推理能力和精準(zhǔn)的編輯效果。訓(xùn)練過程中，混元團(tuán)隊構(gòu)建了千萬量級的圖生圖數(shù)據(jù)，覆蓋80多個任務(wù)，并注入了思維鏈數(shù)據(jù)，使模型能夠?qū)W會先分析用戶圖像和意圖，再輸出詳細(xì)編輯指令。后訓(xùn)練階段采用自研MixGRPO算法，高效對齊用戶偏好，大幅提升了指令響應(yīng)和非編輯區(qū)域保持一致的效果。

最新全球權(quán)威大模型競技場LMArena的圖像編輯（Image Edit）榜單中，混元圖像3.0圖生圖進(jìn)入第一梯隊，成為全球最強(qiáng)的開源圖生圖模型。

在最新的LMArena圖片編輯榜單上，騰訊混元圖像3.0圖生圖位列全球第七，也是前七名里面唯一開源的模型。LMArena官方X祝賀混元圖像3.0圖生圖“在圖片編輯磅榜單中與Nano-Banana和Seedream-4.5等表現(xiàn)相當(dāng)”。這一成績來自于對模型圖像編輯能力的全面盲測評估，包括指令遵循、編輯精確度和輸出質(zhì)量等多個維度。

近期，騰訊混元圖像3.0圖生圖模型在元寶上線，用戶只需要上傳1張或以上的圖片并輸入指令即可體驗。該能力受到眾多用戶喜愛。

網(wǎng)友在元寶上使用混元圖生圖能力，圖片來自網(wǎng)絡(luò)

附混元圖像3.0圖生圖開源項目地址：

Github：

https://github.com/Tencent-Hunyuan/HunyuanImage-3.0

Hugging Face：https://huggingface.co/tencent/HunyuanImage-3.0-Instruct

Hugging Face（蒸餾版）：https://huggingface.co/tencent/HunyuanImage-3.0-Instruct-Distil

關(guān)于沐曦股份

沐曦股份致力于自主研發(fā)全棧高性能GPU芯片及計算平臺，為智算、通用計算、云渲染等前沿領(lǐng)域提供高能效、高通用性的算力支撐，助力數(shù)字經(jīng)濟(jì)發(fā)展。