來源：環(huán)球網(wǎng)

【環(huán)球網(wǎng)科技報道 記者 李文瑤】5月14日，騰訊宣布旗下的混元文生圖大模型全面升級并對外開源，目前已在 Hugging Face 平臺及 Github 上發(fā)布，包含模型權(quán)重、推理代碼、模型算法等完整模型，可供企業(yè)與個人開發(fā)者免費商用。

據(jù)了解，這是業(yè)內(nèi)首個中文原生的DiT架構(gòu)文生圖開源模型，支持中英文雙語輸入及理解，參數(shù)量15億。升級后的混元文生圖大模型采用了與 sora 一致的DiT架構(gòu)，不僅可支持文生圖，也可作為視頻等多模態(tài)視覺生成的基礎(chǔ)。

升級后的混元文生圖模型采用了基于Transformer的擴散模型架構(gòu)（簡稱DiT），具備更強的可擴展性，在參數(shù)量越多的情況下，性能越強，有利于提升視覺模型生成效果及效率。這也是此前爆紅的文生視頻產(chǎn)品Sora 背后的關(guān)鍵技術(shù)。

騰訊文生圖負責人蘆清林表示：“騰訊混元文生圖的研發(fā)思路就是實用，堅持從實踐中來，到實踐中去。此次把最新一代模型完整開源出來，是希望與行業(yè)共享騰訊在文生圖領(lǐng)域的實踐經(jīng)驗和研究成果，共建中文文生圖開源生態(tài)，加速大模型行業(yè)發(fā)展。”

目前，騰訊混元文生圖模型參數(shù)量達 15 億。評測數(shù)據(jù)顯示，最新的騰訊混元文生圖模型效果相比前代提升超過 20%，遠超開源的Stable Diffusion模型，在目前已開源的文生圖模型中，綜合性能最佳，達到國際領(lǐng)先水平。