IT之家 1 月 16 日消息，智譜 1 月 14 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(gè)在國產(chǎn)芯片上完成全程訓(xùn)練的 SOTA 多模態(tài)模型。
開源不到 24 小時(shí)，GLM-Image 即登頂全球 AI 開源社區(qū) Hugging Face Trending 榜第一。這也是首次完全依托國產(chǎn)芯片訓(xùn)練的國產(chǎn)模型在國際舞臺(tái)上取得榜首身位。
智譜表示，GLM-Image 項(xiàng)目的最終目標(biāo)就是全流程創(chuàng)新，是 GLM 團(tuán)隊(duì)面向以 Nano Banana Pro 為代表的新一代「認(rèn)知型生成」技術(shù)范式的一次探索。
從架構(gòu)上看，不同于開源常用的 LDM 方案，GLM-Image 采用了「自回歸 + 擴(kuò)散解碼器」混合架構(gòu)，并在基本對齊主流方案的基礎(chǔ)上驗(yàn)證了新架構(gòu)在知識密集型場景下生成的優(yōu)越性。
從訓(xùn)練基礎(chǔ)上看，GLM-Image 實(shí)現(xiàn)了基于昇騰 Atlas 800T A2 設(shè)備和昇思 MindSpore AI 框架的全流程訓(xùn)練及推理適配，實(shí)際訓(xùn)練性能足以達(dá)到相應(yīng)計(jì)算設(shè)備的匯報(bào)性能上限，驗(yàn)證了在國產(chǎn)算力上訓(xùn)練出 SOTA 模型的可行性。
從性能表現(xiàn)上看，GLM-Image 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，能夠讀懂指令，寫對文字，尤其擅長漢字生成任務(wù)，可廣泛應(yīng)用于海報(bào)、PPT、科普圖等知識密集型場景。
IT之家附開源地址如下：
Hugging Face：https://huggingface.co/zai-org/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(shí)間，結(jié)果僅供參考，IT之家所有文章均包含本聲明。