腾讯混元文生图模型全面开源

腾讯旗下混元文生图大模型（混元DiT，Diffusion Models with Transformers）宣布全面开源。目前已经在Hugging Face平台及Github上发布，包含模型权重、推理代码、模型算法等完整模型，可供企业与个人开发者免费商用。

开源地址：https://dit.hunyuan.tencent.com/

腾讯混元文生图负责人卢清林表示，混元DiT开源的价值有两方面，一方面这是业内首个中文原生DiT架构，弥补了开源社区的空白；另一方面混元DiT为全面开放，与现网版本完全一致。

据卢清林介绍，之所以做这次开源尝试，是由于目前开源社区中技术快速迭代，缺乏先进、成熟的DiT架构可以开源利用。此外，现有模型对中文理解较差，中文应用场景受限。

此次开源的混元DiT采用了与Sora一致的DiT架构，不仅可支持文生图，也可作为视频等多模态视觉生成的基础。还支持256字中文理解，全链路自研，也是一款原生中文模型，支持中英文双语输入及理解，参数量15亿。

评测数据显示，新一代腾讯混元文生图大模型视觉生成整体效果，相比前代提升超过 20%，在语义理解、画面质感与真实性方面全面提升，在多轮对话、多主体、中国元素、真实人像生成等场景下效果提升显著。

且最新的腾讯混元文生图模型效果远超开源的 Stable Diffusion 模型，是目前效果最好的开源文生图模型。