腾讯混元大模型升级，新增文生图功能，实现文字描述生成图像

腾讯混元大模型升级：文生图功能开启新篇章

腾讯 引领行业潮流，其自研的混元大模型迎来重大升级，新增了备受关注的文生图功能。这一创新功能不仅实现了文字描述生成图像的突破，更标志着腾讯在AI领域的又一次飞跃。

文生图作为AIGC领域的核心技术之一，对模型算法、训练平台、算力设施都有较高的要求。腾讯混元大模型在文生图功能上实现了质的飞跃，其背后的技术突破值得深入探讨。

据悉，腾讯混元大模型在文生图功能上，通过优化算法提升了模型对细节的感知能力与生成效果，有效避免了多文化差异下的理解错误。此外，腾讯混元大模型在语义理解方面，采用了中英文双语细粒度的模型，实现了中英文的双向理解。

应用场景：从素材创作到广告业务

腾讯混元大模型的文生图功能，应用场景丰富多样。从素材创作、商品合成、游戏出图，到广告业务下的多轮测评，腾讯混元文生图的案例优秀率和广告主采纳率均表现出色。

在业界公认难度较高的人脸画像生成上，腾讯混元也交出了令人满意的作品。例如，输入提示词“生成可爱的亚洲4岁女孩穿着棉质连衣裙，大眼睛，古代中国，摄影风格，汉服”，腾讯混元大模型生成的人像，不仅完美地理解了提示词中的内容，还在风格上完美地展示了“古代中国”的风格要求。

腾讯混元大模型在技术上的优势，使其在文生图功能上实现了行业领先。腾讯自研一站式机器学习平台Angel，为混元大模型提供了强大的技术支撑。

AngelPTM训练框架提供高效的分布式训练解决方案，具备业界领先的内存利用率和训练吞吐效率；AngelHCF训练框架则支持多种模型并行，保证模型的最小化部署及最大化吞吐，推理速度相比业界主流框架FasterTransformer快1.3倍。

因为文生图功能的推出，腾讯混元大模型在图像处理能力上进一步丰富，将为AI领域带来更多可能性。未来，腾讯混元大模型将继续引领AI新潮流，为各行各业带来更多创新应用。

创新引擎启动：腾讯文生图新升级，探索无限创意未来

图像生成技术正以其独特魅力，不断推动着创意产业的发展。腾讯，这一科技巨头，近期推出文生图新升级，将创意的边界 拓宽，引领行业迈向无限可能。

核心技术突破：自研大模型，训练效率再提升

腾讯自研的7B和13B模型在文生图领域首次亮相，以其卓越的性能，成为了业界的焦点。在同等效果下，这一模型仅需较少的tokens，大大提升了训练效率。在模型实测中，无论是中英文效果，腾讯自研模型均优于国内外开源模型，以更高的性价比和效率，满足了各种垂直场景和业务需求。

腾讯不仅掌握了从模型算法到机器学习框架再到AI基础设施的全链路自研技术，这为大模型的快速迭代提供了有利条件。自首次公开亮相以来，腾讯混元大模型已进入加速升级的轨道，在自研算法的支持下，模型的稳定性和可靠性稳步提升。

能力全面升级：代码、数学能力大幅提升

在过去的一个月中，腾讯混元大模型在各项能力上均有显著升级，尤其是在代码、数学能力上有了大幅提升。通过学习32种主流语言代码文件、各类计算机书籍和博客，腾讯混元代码处理水平提升超过20%，在HumanEval公开测试集指标上全面超过Starcoder、Codellama等业界头部开源代码大模型。

多模态交互能力强化：通往通用人工智能的关键一步

大模型的多模态交互能力被认为是通往通用人工智能的必由之路。腾讯混元大模型正在不断强化图片、视频、音频等各类模态的处理能力，相关成果也将很快面向外界推出，为通用人工智能的发展贡献腾讯力量。

作为实用级的通用大模型，腾讯混元大模型的应用场景丰富多样。目前，超过180个腾讯内部业务已接入腾讯混元，包括腾讯会议、腾讯文档、企业微信、腾讯广告和微信搜一搜等。QQ浏览器还基于腾讯混元推出了“PDF阅读助手”，具备智能摘要、智能问答和多轮提问等功能。

腾讯工蜂Copilot通过接入混元大模型，可根据注释生成对应代码，或基于上下文智能补全代码，大大提高了编程效率。混元大模型还可以帮助用户进行代码漏洞检测和修复，保障软件开发过程中的安全性。

内容合理性提升：混元文生图算法优化显成效

在内容合理性方面，AI生成人体结构和手部经常容易变形。混元文生图通过增强算法模型的图像二维空间位置感知能力，并将人体骨架和人手结构等先验信息引入到生成过程中，让生成的图像结构更合理，减少错误率。

画面质感增强：多模型融合提升生成质感

在画面质感方面，混元文生图基于多模型融合的方法，提升生成质感。经过模型算法的优化之后，混元文生图的人像模型，包含发丝、皱纹等细节的效果提升了30%，场景模型，包含草木、波纹等细节的效果提升了25%。