IT之家 1 月 14 日消息，智譜今日宣布聯(lián)合華為開源新一代圖像生成模型 GLM-Image，模型基于昇騰 Atlas 800T A2 設(shè)備和昇思 MindSpore AI 框架完成從數(shù)據(jù)到訓(xùn)練的全流程，是首個在國產(chǎn)芯片上完成全程訓(xùn)練的 SOTA 多模態(tài)模型。

GLM-Image 采用自主創(chuàng)新的“自回歸 + 擴散解碼器”混合架構(gòu)，實現(xiàn)了圖像生成與語言模型的聯(lián)合。

IT之家附 GLM-Image 核心亮點如下：

• 架構(gòu)革新，面向“認知型生成”的技術(shù)探索：采用“自回歸 + 擴散編碼器”混合架構(gòu)，兼顧全局指令理解與局部細節(jié)刻畫，克服了海報、PPT、科普圖等知識密集型場景生成難題，向探索以 Nano Banana Pro 為代表的新一代“知識 + 推理”的認知型生成模型邁出一步。

• 首個在國產(chǎn)芯片完成全程訓(xùn)練的 SOTA 模型：模型自回歸結(jié)構(gòu)基座基于昇騰 Atlas 800T A2 設(shè)備與昇思 MindSpore AI 框架，完成了從數(shù)據(jù)預(yù)處理到大規(guī)模訓(xùn)練的全流程構(gòu)建，驗證了在國產(chǎn)全棧算力底座上訓(xùn)練前沿模型的可行性。

• 文字渲染開源 SOTA：在 CVTG-2K（復(fù)雜視覺文本生成）和 LongText-Bench（長文本渲染）榜單獲得開源第一，尤其擅長漢字生成任務(wù)。

• 性價比與速度優(yōu)化：API 調(diào)用模式下，生成一張圖片花費 0.1 元，速度優(yōu)化版本即將更新。

據(jù)智譜官方介紹，通過改進 Tokenizer 策略，GLM-Image 能夠自適應(yīng)處理多種分辨率，原生支持從 1024x1024 到 2048×2048 尺寸的任意比例圖像的生成任務(wù)，無需重新訓(xùn)練。

GLM-Image 在文字渲染的權(quán)威榜單中達到開源 SOTA 水平。

GLM-Image 在實際的復(fù)雜圖文任務(wù)中測試表現(xiàn)如下：

場景一：科普插畫

GLM-Image 更擅長繪制包含復(fù)雜邏輯流程與文字說明的科普插畫及原理示意圖。

場景二：多格圖畫

在生成電商圖、漫畫等多格圖畫時，GLM-Image 能夠保持風(fēng)格和主體的一致性，并保障多處文字生成的準確率。

場景三：社交媒體圖文封面

GLM-Image 適用于制作社交媒體封面及內(nèi)容等排版復(fù)雜的圖片，讓您的創(chuàng)作更自由豐富。

場景四：商業(yè)海報

GLM-Image 能夠生成構(gòu)圖富有設(shè)計感、文字嵌入準確的節(jié)日海報與商業(yè)宣傳圖。

場景五：寫實攝影

在文字渲染以外，GLM-Image 也同樣擅長生成各種景別和尺寸的人像、寵物、風(fēng)景、靜物。

IT之家附 GLM-Image 體驗和開源地址如下：

• 在線體驗：https://bigmodel.cn/trialcenter/modeltrial/image

• API 接入：https://docs.bigmodel.cn/cn/guide/models/image-generation/glm-image

• GitHub：https://github.com/zai-org/GLM-Image

• Hugging Face：https://huggingface.co/zai-org/GLM-Image

• 魔搭社區(qū)：https://modelscope.cn/models/ZhipuAI/GLM-Image

廣告聲明：文內(nèi)含有的對外跳轉(zhuǎn)鏈接（包括不限于超鏈接、二維碼、口令等形式），用于傳遞更多信息，節(jié)省甄選時間，結(jié)果僅供參考，IT之家所有文章均包含本聲明。