機器之心報道

編輯：杜偉、陳陳

一夜之間，文生圖領域的「王座」被國產(chǎn)大模型拿下！

主角是騰訊混元團隊發(fā)布并開源僅一周的原生多模態(tài)生圖模型 —— 混元圖像 3.0（HunyuanImage 3.0）。

在國際權(quán)威 AI 模型評測榜單 LMArena 上，HunyuanImage 3.0 一舉超越了谷歌風頭無兩的 Nano-Banana 以及字節(jié)的 Seedream 4.0，位列文生圖（Text-to-Image）綜合榜單和開源榜單第一。

下圖為 LMArena 文生圖完整（Overall）榜單：

榜單地址：https://lmarena.ai/leaderboard/text-to-image

騰訊的這款模型參數(shù)量為 80B（推理時每個 token 激活 13B），是其迄今為止規(guī)模最大、性能最強的開源文生圖利器。如今，強勢登頂 LMArena 印證了當初其「生成效果完全可媲美業(yè)界頂級閉源旗艦模型」的自信。

發(fā)布一周來，混元圖像 3.0 迅速在創(chuàng)作者圈中走紅。無論是畫面質(zhì)感、細節(jié)還原，還是構(gòu)圖理解與風格一致性，很多網(wǎng)友都表示這款模型的生成效果遠超預期。

在 GitHub 上，混元圖像 3.0 的 star 數(shù)已經(jīng)突破了 1.7k，社區(qū)熱度不斷攀升，吸引了越來越多開發(fā)者的關注與參與。

代碼地址：https://github.com/Tencent-Hunyuan/HunyuanImage-3.0

文生圖的新 Goat，其實際表現(xiàn)是否名副其實？接下來的一手實測結(jié)果即將揭曉。

一手體驗

排行榜上的學霸，不一定是日常里的好學生。不少模型分數(shù)高得驚人，可一旦真正上手，往往漏洞百出。如今，混元圖像 3.0 登頂 LMArena 榜單第一，它究竟是實至名歸，還是徒有虛名？別急，我們馬上來實測看看。

模型體驗入口（需要通過電腦端訪問）：

https://hunyuan.tencent.com/modelSquare/home/play?from=modelSquare&modelId=289

憑借原生多模態(tài)架構(gòu)的優(yōu)勢，混元圖像 3.0 在繼承 Hunyuan-A13B 世界知識的基礎上，具備了原生的世界知識推理能力

因此，當我們輸入提示：「創(chuàng)作一幅九宮格漫畫展示曹沖稱象，每幅畫需要配上簡單的文字描述」時，混元圖像 3.0 不僅能夠理解這是一個歷史典故，還能將故事拆解成連貫的九個場景。更值得注意的是，它生成的每一格畫面都配有簡潔準確的文字說明，形成了完整的故事鏈條，而不是零散的畫面堆砌。這種表現(xiàn)說明它已經(jīng)能夠在圖像生成中融合知識、推理與創(chuàng)作。

解數(shù)學題也不在話下，混元圖像 3.0 能夠迅速識別出這是一個代數(shù)問題，并給出清晰的推理過程，整個解題步驟邏輯嚴謹，排版清晰，最終答案一目了然。

提示語：解方程組 x+y=4 ，2x-y=2，給出詳細求解過程。

而當我們進一步輸入提示「用循環(huán)箭頭的形式解釋破繭成蝶」，混元圖像 3.0 又能切換到創(chuàng)意表達模式：它將自然的蛻變過程拆解成多個階段。

幾個案例測試下來，可以看出，混元圖像 3.0 不僅具備基本常識，還能夠在此基礎上進行推理和表達。既能邏輯縝密地解決問題，又能生動直觀地呈現(xiàn)創(chuàng)意。更重要的是，這些結(jié)果并不是死記硬背式的套用，而是體現(xiàn)了它在理解提示語意圖后，結(jié)合自身知識體系進行再創(chuàng)造的能力。

同時，混元圖像 3.0 還具備精確文字生成、長文本渲染能力，從而大大改善了以往模型常見的文字亂碼或字形扭曲問題。

提示詞：一張印有 “愿陽光灑進你的心田，帶來溫柔力量，祝你早日恢復活力，擁抱健康與喜悅～” 文字的祝福賀卡?？ㄆO計風格，特寫構(gòu)圖，溫暖柔和的氛圍，簡潔而精致。背景大面積留白，營造寧靜感。文字旁邊點綴一束鮮花，由玫瑰、百合、向日葵組合，色彩清新，傳遞關懷與希望。

再比如在具有復雜文字要求的海報場景中，混元圖像 3.0 也能輕松應對。中秋將至，我們讓模型生成一張主題海報。

提示詞：一幅精美的中秋節(jié)主題畫作，滿月高懸在夜空中，月光灑在古色古香的中式庭院里。一張圓桌上擺滿了各式各樣的月餅、茶壺。背景有紅色的燈籠和搖曳的竹林。大標題：書法毛筆字體“花好月圓”，副標題“但愿人長久”。畫面細節(jié)豐富，暖黃色色調(diào)，海報設計，國風，韻味。

從結(jié)果來看，混元圖像 3.0 精準地抓住了用戶需求，整體觀感既有節(jié)日氛圍，又具備商業(yè)設計的完成度。

接下來，我們再進行一組海報測試。這次的提示語是：「檸檬水海報」。

混元圖像 3.0 生成的畫面色調(diào)明亮，檸檬切片、透明玻璃罐都表現(xiàn)得極為寫實，整體構(gòu)圖簡潔干凈，極具商業(yè)質(zhì)感。字體排版自然融入畫面，呈現(xiàn)出清新又具廣告感的效果，讓人幾乎可以感受到檸檬的清香與冰爽氣息。

混元圖像 3.0 還能駕馭更加復雜的提示：「以白色為背景的九宮格插畫，展示一只真實寫實風格的寵物形象，共九種不同表情和動作。畫面可愛、生動，寵物神態(tài)自然，畫風溫暖寫實。 九宮格內(nèi)容如下： 第一行：① 不高興的動作，文字‘不想上班’；② 高興的動作，文字‘放假啦’；③ 四仰八叉躺著的動作，文字‘已躺平’。 第二行：① 振臂的動作，文字‘奮斗吧’；② 大哭的表情，文字‘啊啊??；③ 豎大拇指的動作，文字‘你真行’。 第三行：① 思考的動作，文字‘思考人生’；② 鼓腮生氣的動作，文字‘不開心’；③ 害羞捂臉的動作，文字‘傷心啦’。 每張表情圖片下方配有黑色萌寵風格字體的文字，整體布局整齊可愛，背景純白，風格統(tǒng)一?！?/p>

接下來我們決定進一步考驗混元圖像 3.0 對傳統(tǒng)藝術的表現(xiàn)力，這次的提示語是「中國傳統(tǒng)剪紙藝術風格，展現(xiàn)細膩精致的民俗非遺紙藝之美。紅色剪紙元素鐫刻出‘國慶節(jié)’字樣，構(gòu)圖典雅大方，富有傳統(tǒng)韻味。畫質(zhì)高清，突出剪紙細節(jié)與層次感，營造節(jié)日氛圍?！?/p>

出乎意料的是，混元圖像 3.0 對傳統(tǒng)元素的把握同樣出色。

與此同時，混元圖像 3.0 還兼具出色的美學表現(xiàn)力。面對復雜的指令，它依然能夠準確理解語義、平衡畫面構(gòu)圖，并在細節(jié)中展現(xiàn)高級的視覺審美。

這次，我們采用英文提示語：

「A photorealistic close-up portrait of an elderly Japanese ceramicist with deep, sun-etched wrinkles and a warm, knowing smile. He is carefully inspecting a freshly glazed tea bowl. The setting is his rustic, sun-drenched workshop. The scene is illuminated by soft, golden hour light streaming through a window, highlighting the fine texture of the clay. Captured with an 85mm portrait lens, resulting in a soft, blurred background (bokeh). The overall mood is serene and masterful. Vertical portrait orientation.」

可以看出混元圖像 3.0 很好的理解了英文提示語，生成的人物以及畫面非常逼真，甚至手部都看不出瑕疵。

再來一個提示語「畫面中心是一個金發(fā)小男孩，穿著綠色衣服，系著黃色圍巾，坐在一條小船里，懷抱著兩朵紅玫瑰。小船漂浮在波浪般的藍色海面上，海浪像是絨毛或藝術質(zhì)感般細膩。背景是一片星空，帶有梵高《星空》的旋轉(zhuǎn)星云與明亮月亮。畫面中點綴著閃爍的光點，營造溫暖、浪漫和童話般的氛圍?！?/p>

混元圖像 3.0 還具有很高的文字渲染能力。例如，當我們輸入提示語：創(chuàng)建一個高分辨率的文字 3D 渲染圖，第一行文字是 "HUNYUAN"，第二行文字是 "IMAGE 3.0"，每個字母使用不同的材質(zhì)進行渲染，材質(zhì)可以是 sisal、亞麻繩、竹編、草棉花、牛仔布、沙子、木頭、皮革、粘土、大理石、羊毛金屬、火山熔巖、冰塊、火焰、水泥、鉆石等。旁邊陶瓷、一只很矮的 Tencent QQ 企鵝正扶著文字，仿佛這些文字都是它拼的。 將其放置在干凈簡約的淺灰色背景上。

我們還測試了更多示例。

提示語：水彩畫風格，全景視角。畫面中有石橋、河流、人物、樹木與天空，色調(diào)以秋日的金黃與暖橙為主，筆觸細膩而略帶朦朧，呈現(xiàn)出寫意的藝術質(zhì)感。整體氛圍寧靜悠然，展現(xiàn)公園秋日的自然景致與人文活動交織的美感，充滿詩意與生活氣息。

提示語：生成六種材質(zhì)的滿月，其中第二個是真實的滿月。

最后再來一個《十二生肖月餅》，祝大家中秋節(jié)快樂?！敢灾星餅轭}，融合傳統(tǒng)文化與節(jié)日意象，月餅不同材質(zhì)，比如抹茶、玫瑰，顏色各異。十二生肖各展風姿：鼠小巧玲瓏、牛穩(wěn)穩(wěn)健、虎咆哮、兔可愛，龍飛騰、蛇輕靈，馬馳騁千里，羊溫順，猴機靈古怪，雞鳴瑞氣，狗忠相伴情意長，豬憨可愛慶團圓?！?/p>

從以上一系列測試來看，混元圖像 3.0 的表現(xiàn)可謂全面而穩(wěn)定。它不僅在創(chuàng)意表達上展現(xiàn)出極高的理解力與想象力，也在邏輯推理、文字生成、審美構(gòu)圖等方面實現(xiàn)了顯著突破。

混元圖像 3.0 是怎么煉成的？

榜單成績和一手實測都很「硬」，混元圖像 3.0 肯定在技術層面藏著一些獨到之處。

我們了解到，混元圖像 3.0 以「Hunyuan-A13B」為基礎模型，后者是一個 MoE 大語言模型。首先，為使該模型具備處理視覺輸入以及相應的圖像理解與生成能力，騰訊混元團隊為其配備了預訓練的視覺編碼器和 VAE；其次引入了思維鏈（CoT）的訓練與推理機制，進一步增強模型在圖像理解與生成任務上的表現(xiàn)。加之專門針對圖像生成任務進行了微調(diào)與后訓練，混元圖像 3.0 的「圖像生成模塊」最終成型。

從技術路徑來看，混元圖像 3.0 不僅僅追求生成質(zhì)量的顯著提升，而是逐漸邁向「理解 — 推理 — 生成一體化」的多模態(tài)智能架構(gòu)。

模型設計上，混元圖像 3.0 采用一種混合式的離散 - 連續(xù)建模策略，對文本詞元采用自回歸的下一詞元預測方式進行建模，對圖像詞元采用基于擴散的預測框架進行建模，同時兼顧語言的邏輯結(jié)構(gòu)與圖像的連續(xù)特征空間，做到「文字理解與視覺生成」的高效協(xié)同。

這樣一來，整個模型在一個緊密結(jié)合的框架內(nèi)融合了語言建模、圖像理解和圖像生成三大功能，實現(xiàn)了統(tǒng)一的多模態(tài)建模。

從上圖可以看到，混元圖像 3.0 的整體框架包含了以下幾大關鍵組件：

• 主干網(wǎng)絡（Backbone）：基于 Hunyuan-A13B 構(gòu)建，總參數(shù)為 800 億，包含 64 個專家，每個 token 激活 8 個專家 并共享 MLP，使激活參數(shù)量約 130 億。
• 文本分詞器（Text Tokenizer）：采用混元分詞器（Hunyuan Tokenizer），在其詞匯表中加入一組專為圖像生成與理解任務設計的特殊 tokens，以增強多模態(tài)處理能力。
• 圖像編碼器 （Image Encoder）：在圖像生成中采用內(nèi)部 VAE，將像素映射至 32 維潛空間，下采樣因子為 16。相比需要額外塊化層的 8 倍下采樣方案，這一設計更簡潔高效，生成質(zhì)量更優(yōu)。對于條件圖像輸入，采用了雙編碼器，將 VAE 與視覺編碼器的潛層特征拼接，實現(xiàn)統(tǒng)一的多模態(tài)表示，同時支持圖像理解與生成任務。
• 投影器（Projector）：使用雙投影器將圖像特征對齊至 Transformer 潛空間，其中 VAE 特征經(jīng)時間步調(diào)制的殘差塊進行映射，視覺特征經(jīng)兩層 MLP 進行轉(zhuǎn)換，并融合時間步嵌入以增強擴散條件控制。

數(shù)據(jù)構(gòu)建上，團隊首先對一個超百億規(guī)模的原始圖像庫進行篩選，僅保留不足 45% 的初始數(shù)據(jù)，最終獲得近 50 億張圖像構(gòu)成的純凈、優(yōu)質(zhì)且多樣化的數(shù)據(jù)集。

接下來是圖像描述生成，主要作用是生成內(nèi)容豐富、可控且基于事實的圖像描述。

該流程由三大核心組件構(gòu)成：（1）結(jié)構(gòu)化圖像描述的層級化方案，（2）多樣化數(shù)據(jù)增強的組合式合成策略，以及（3）實現(xiàn)事實性實體注入的專用智能體。

最后是思考生圖數(shù)據(jù)集構(gòu)建，為此團隊構(gòu)建了兩種特定的訓練數(shù)據(jù)：（1）文本到文本（T2T）推理數(shù)據(jù)，用來強化模型邏輯推理能力；（2）文本到文本到圖像（T2TI）推理數(shù)據(jù)，該數(shù)據(jù)明確地對從抽象概念到視覺呈現(xiàn)的全過程進行建模。

訓練策略上，分為預訓練與后訓練。

具體而言，預訓練分為四個漸進式階段。第一階段：訓練 Transformer 主干網(wǎng)絡，同時保持 ViT 凍結(jié)；第二階段：Transformer 主干網(wǎng)絡保持凍結(jié)，使用 MMU 數(shù)據(jù)微調(diào) ViT 及其相關的對齊器模塊 (aligner module) ；第三階段：ViT 和 Transformer 使用更高分辨率（大于 512px）的圖像進行聯(lián)合訓練，并且引入了圖文交錯數(shù)據(jù)，以增強多模態(tài)建模能力；在最后階段，訓練圖像被進一步限制在一個高分辨率子集上，其中每張圖像的短邊至少為 1024 像素。用于 MMU 任務的圖像也被限制在高分辨率子集上，以提升理解能力。

訓練期間，團隊保留了圖像的寬高比，從而使得混元圖像 3.0 能夠生成多分辨率圖像。預訓練之后，團隊還進行了專門針對文生圖任務的指令微調(diào)，以更好地遵循用戶指令。

混元圖像 3.0 能夠生成多分辨率圖像

接著是后訓練，首先是在一個人工標注的數(shù)據(jù)集上進行 SFT（監(jiān)督微調(diào)）。隨后利用 DPO（直接偏好優(yōu)化）解決圖像生成中常見的結(jié)構(gòu)缺陷問題。接下來利用在線強化學習框架 MixGRPO 來優(yōu)化風格、構(gòu)圖、光照等要素，從而減輕圖像失真并減少偽影的存在。最后通過 SRPO 和團隊內(nèi)部提出的獎勵分布對齊（ReDA）方法進行優(yōu)化，進一步提升生成圖像的真實感和清晰度。

得益于上述技術的加持，混元圖像 3.0 在文圖一致性與視覺質(zhì)量方面的表現(xiàn)，足以超越 Seedream 4.0、Nano Banana、GPT-Image 等頂尖模型。

在此基礎上，騰訊混元團隊也希望將這一成果回饋社區(qū)，通過開源混元圖像 3.0 的代碼與權(quán)重，進一步降低高質(zhì)量多模態(tài)研究的門檻，幫助更多研究者和開發(fā)者在這一前沿模型上開展創(chuàng)新實驗與應用探索。

Hugging Face:

https://huggingface.co/tencent/HunyuanImage-3.0

另外，根據(jù)騰訊混元團隊透露，目前混元圖像 3.0 僅開放了文生圖能力，圖生圖、圖像編輯、多輪交互等版本將于后續(xù)發(fā)布，大家可以再等等。

從模型到生態(tài)，打贏 AIGC 這場體系戰(zhàn)

近一兩個月來，AIGC 領域又進入到了一個爆發(fā)期，包括國外谷歌的 Nano-Banano 以及國內(nèi)騰訊的混元圖像 3.0、字節(jié)的 Seedream 4.0，都在全球范圍內(nèi)引發(fā)了廣泛關注。

在圖像生成領域同樣受 Scaling Laws 增益放緩影響的當下，這些「爆款模型」的出現(xiàn)一次次刷新了人們對生成式 AI 能力邊界的認知。從特征來看，這波模型更新向著多模態(tài)融合與智能深化的方向演進，從以往的「能生成」發(fā)展到「能理解、能推理、能控制」；從屬性來看，AI 也正從傳統(tǒng)的創(chuàng)意輔助工具邁向具備自主理解與表達能力的智能內(nèi)容創(chuàng)作引擎。

與此同時，在這場演進中，開源也成為核心推動力。尤其是國內(nèi) AI 大廠與初創(chuàng)公司，越來越多地選擇開放模型權(quán)重，借助社區(qū)分享與協(xié)作實現(xiàn)快速更新迭代。作為國內(nèi)大模型領域的領軍者之一，騰訊同步推進多模態(tài)技術創(chuàng)新與開源生態(tài)建設。

一方面，騰訊圍繞混元模型家族深耕多模態(tài)領域，并持續(xù)有領先成果產(chǎn)出，包括此次圖像領域的混元圖像 3.0、3D 領域的混元 3D 3.0、視頻領域的 HunyuanVideo 以及世界模型 HunyunWorld-1.0，由此形成的全棧式 AIGC 體系為騰訊在多模態(tài)智能與內(nèi)容生成領域的長遠布局做足了準備。

當然，騰訊也在積極布局開源。上月初開源的混元翻譯模型 Hunyuan-MT-7B 以及最新的世界模型 HunyuanWorld-Voyager 一度在 Hugging Face 模型趨勢榜單前三中占據(jù)兩席。

加之騰訊覆蓋面極廣的業(yè)務矩陣，包括社交、內(nèi)容生產(chǎn)、廣告推薦、游戲，為技術的落地提供了豐富的場景和數(shù)據(jù)支撐。從模型能力到開源生態(tài)再到多場景落地，完整的 AIGC「鏈條」已經(jīng)形成。