智東西
作者 王涵
編輯 云鵬

智東西1月28日報道，今天，騰訊混元圖像3.0圖生圖版本正式開源。在最新的LMArena圖片編輯榜單上，騰訊混元圖像3.0圖生圖位列全球第七，也是前七名里面唯一開源的模型。

▲LMArena圖片編輯榜單（來源：LMArena）

LMArena官方X祝賀混元圖像3.0圖生圖“在圖片編輯榜單中與Nano-Banana和Seedream-4.5等表現相當”。

▲LMArena官方祝賀推文（來源：X）

混元圖像3.0圖生圖支持增、刪、改、風格變換、老照片修復、人物與文字修改等圖片編輯功能，還可以將多張照片中的元素提取出來合成新圖片。

1月26日，該模型在元寶上線，已經被網友玩出“花”了：

智東西也第一時間上手體驗，發(fā)現該模型可以保持前后素材元素風格的一致性，對照片細節(jié)把握準確，思考響應速度也較快，可玩性確實很高。

▲混元圖像3.0圖生圖開源頁面（來源：Hugging Face）

開源地址：

Github：

https://github.com/Tencent-Hunyuan/HunyuanImage-3.0

Hugging Face：

https://huggingface.co/tencent/HunyuanImage-3.0-Instruct

Hugging Face（蒸餾版）：

https://huggingface.co/tencent/HunyuanImage-3.0-Instruct-Distil

一、融合理解、推理與生成：混元圖像3.0圖生圖“先思考后編輯”

據官方介紹，混元圖像3.0圖生圖采用混合專家原生多模態(tài)架構，總參數規(guī)模達80B，激活參數約13B。

訓練過程中，混元團隊構建了千萬量級的圖生圖數據，覆蓋80多個任務，并注入了思維鏈數據，使模型能夠學會先分析用戶圖像和意圖，再輸出詳細編輯指令。

后訓練階段則采用自研MixGRPO算法，對齊用戶偏好，大幅提升了指令響應和非編輯區(qū)域保持一致的效果。

▲混元圖像3.0圖生圖架構

在多模態(tài)方面，混元圖像3.0圖生圖版本基于混元圖像3.0的原生多模態(tài)架構構建，將文本理解、視覺理解與圖像生成融合于同一模型中。

作為原生多模態(tài)模型，混元圖像3.0圖生圖核心創(chuàng)新在于其“先思考，后編輯”的工作流程。

當接收到用戶輸入的圖片和提示詞后，模型會首先理解圖像內容，然后基于提示詞進行推理，確定需要編輯的區(qū)域、詳細步驟以及需要保留的區(qū)域，最終形成更加詳細的編輯指令。

▲混元圖像3.0圖生圖思考過程

混元圖像3.0圖生圖支持增、刪、改、風格變換、老照片修復、人物與文字修改等圖片編輯功能，還可以將多張照片中的元素提取出來合成新圖片。

對于普通用戶，該模型可用于制作表情包、虛擬人物合拍、社交分享等日常場景。對于專業(yè)用戶，它能夠助力電商海報設計、游戲角色定制、創(chuàng)意圖片制作等專業(yè)領域，提升創(chuàng)作效率。

二、體驗混元圖像3.0圖生圖：一句話快速P圖、一鍵實現產品實穿效果

1月26日，混元圖像3.0圖生圖版已經上線元寶，可以在元寶中直接對話使用。

智東西第一時間上手體驗，發(fā)現該模型可以保持前后素材元素風格的一致性，對照片細節(jié)把握準確，思考響應速度也較快。

例如，我們上傳一張《蒙娜麗莎的微笑》的圖片和一只小貓的照片，讓元寶把這只小貓P到蒙娜麗莎的懷里：

不到一分鐘，元寶就完成了P圖，P后的圖片中的小貓元素和蒙娜麗莎與原圖保持一致，且手臂部分的前后透視關系也十分準確。

我們還可以讓元寶給我們換一套妝造，替我們去頤和園滑冰：

可以看到，僅憑借“頤和園”三個字，該模型就準確地生成了頤和園的佛香閣作為背景。冰面的裂紋和在冰上滑冰的人群都十分逼真。

此外，在電商領域，用戶還可以直接用豆包生成產品圖。該模型可以參考指定風格，快速生成所需的電商海報，且可以自由更換海報背景：

用戶還能直接將產品合成到模特身上，生成自然真實的產品上身效果圖，能夠大幅減少電商設計的工作量：

結語：騰訊混元開源家族再壯大，“視覺生成時代”加速到來

據騰訊混元官方分享，截止目前，騰訊混元的圖像、視頻衍生模型數量總數達到3000個，視頻模型社區(qū)下載量超過500萬，混元3D系列模型社區(qū)下載量超過300萬。

混元圖像3.0圖生圖模型的開源，在壯大了騰訊開源家族的同時，也為全球開發(fā)者社區(qū)提供了一個圖像生成的新選擇，或許將加速AI圖像編輯向更廣泛日常應用的落地。

一個功能更全面、創(chuàng)作更便捷、人人可參與的視覺生成時代正在加速到來。