首页 文章 精选 留言 我的
优秀的个人博客,低调大师

微信关注我们

原文链接:https://www.oschina.net/news/374942

转载内容版权归作者及来源网站所有!

低调大师中文资讯倾力打造互联网数据资讯、行业资源、电子商务、移动互联网、网络营销平台。持续更新报道IT业界、互联网、市场资讯、驱动更新,是最及时权威的产业资讯及硬件资讯报道平台。

腾讯发布“混元图像 3.0”,首个开源工业级原生多模态生图模型

腾讯宣布推出并开源原生多模态图像生成模型“混元图像 3.0(HunyuanImage 3.0)”,参数规模达 80B。 据悉,该模型是首个开源工业级原生多模态生图模型,腾讯表示该模型效果能够对标业界头部闭源模型。此外,模型能够利用知识进行推理,解析千字级别的复杂语义,并生成长文本文字。 腾讯混元图像 3.0 模型是继今年 5 月发布的 2.0 版本后的升级,2.0 版本已实现毫秒级响应和超写实画质,支持实时生图功能,用户可边打字边出图。 腾讯混元系列此前已陆续开源 3D 生成模型(2.0/2.5 版本)、定制化图像生成插件 InstantCharacter,以及多模态视频生成工具 HunyuanCustom,形成了完整的 AIGC 技术矩阵。

仅 2B 激活参数,Moondream 3.0 碾压 GPT-5 和 Claude 4

最新发布的 Moondream3.0 (预览版) 以其高效的混合专家 (MoE) 架构,凭借总 9B 参数、激活仅 2B 的轻量设计,实现了前沿级视觉推理能力。 这一升级版模型不仅在复杂场景下表现出色,甚至在多项基准测试中超越了GPT-5、Gemini和Claude4等头部模型。相较于今年1-2月推出的Moondream2版本(擅长验证码识别),3.0版扩展了应用边界,支持32K上下文长度,适用于实时交互和代理工作流。 Moondream3.0采用创新的MoE架构,总参数9B,但激活参数仅2B,确保推理速度与前代相当,同时保持高效部署友好性。模型集成SigLIP视觉编码器,支持多裁剪通道拼接,实现令牌高效的高分辨率图像处理。隐藏维度为2048,使用自定义高效SuperBPE分词器,并引入多头注意力机制,结合位置和数据依赖的温度缩放,提升长上下文建模能力。 这一设计源于Moondream2的“上采样”初始化,训练数据约450B令牌,远低于头部模型的万亿级规模,却实现了无妥协的性能。开发者可通过Hugging Face轻松下载,支持云API和本地运行,当前需NVIDIA GPU24GB+内...

相关文章

发表评论

资源下载

更多资源
优质分享App

优质分享App

近一个月的开发和优化,本站点的第一个app全新上线。该app采用极致压缩,本体才4.36MB。系统里面做了大量数据访问、缓存优化。方便用户在手机上查看文章。后续会推出HarmonyOS的适配版本。

Mario

Mario

马里奥是站在游戏界顶峰的超人气多面角色。马里奥靠吃蘑菇成长,特征是大鼻子、头戴帽子、身穿背带裤,还留着胡子。与他的双胞胎兄弟路易基一起,长年担任任天堂的招牌角色。

腾讯云软件源

腾讯云软件源

为解决软件依赖安装时官方源访问速度慢的问题,腾讯云为一些软件搭建了缓存服务。您可以通过使用腾讯云软件源站来提升依赖包的安装速度。为了方便用户自由搭建服务架构,目前腾讯云软件源站支持公网访问和内网访问。

Rocky Linux

Rocky Linux

Rocky Linux(中文名:洛基)是由Gregory Kurtzer于2020年12月发起的企业级Linux发行版,作为CentOS稳定版停止维护后与RHEL(Red Hat Enterprise Linux)完全兼容的开源替代方案,由社区拥有并管理,支持x86_64、aarch64等架构。其通过重新编译RHEL源代码提供长期稳定性,采用模块化包装和SELinux安全架构,默认包含GNOME桌面环境及XFS文件系统,支持十年生命周期更新。

用户登录
用户注册