智譜與華為攜手宣布，正式開源新一代圖像生成模型GLM-Image，這一成果標(biāo)志著國產(chǎn)AI技術(shù)在多模態(tài)生成領(lǐng)域取得重要突破。該模型依托昇騰Atlas 800T A2硬件與昇思MindSpore框架，實(shí)現(xiàn)了從數(shù)據(jù)處理到模型訓(xùn)練的全流程國產(chǎn)化，成為首個(gè)在國產(chǎn)芯片上完成端到端訓(xùn)練的SOTA級(jí)多模態(tài)模型。

技術(shù)架構(gòu)方面，GLM-Image創(chuàng)新性地融合自回歸與擴(kuò)散解碼器技術(shù)，在保持全局指令理解能力的同時(shí)，顯著提升局部細(xì)節(jié)刻畫精度。這種設(shè)計(jì)使其能夠高效處理知識(shí)密集型場景，尤其在海報(bào)設(shè)計(jì)、PPT制作及科普?qǐng)D生成等領(lǐng)域表現(xiàn)突出。實(shí)測數(shù)據(jù)顯示，該模型在CVTG-2K復(fù)雜視覺文本生成榜單與LongText-Bench長文本渲染榜單中均位列開源模型首位，漢字生成準(zhǔn)確率達(dá)到行業(yè)領(lǐng)先水平。

在商業(yè)應(yīng)用層面，GLM-Image展現(xiàn)出強(qiáng)大的場景適應(yīng)能力。生成電商產(chǎn)品圖時(shí)，模型可自動(dòng)保持多格畫面風(fēng)格統(tǒng)一，確保商品主體與文字說明的精準(zhǔn)對(duì)應(yīng)；繪制漫畫分鏡時(shí)，能維持角色造型與敘事邏輯的連貫性。針對(duì)社交媒體需求，模型生成的圖文封面兼具視覺沖擊力與信息傳達(dá)效率，商業(yè)海報(bào)設(shè)計(jì)則突破傳統(tǒng)模板限制，實(shí)現(xiàn)創(chuàng)意與實(shí)用性的平衡。

開發(fā)團(tuán)隊(duì)透露，GLM-Image已開放API調(diào)用服務(wù)，當(dāng)前版本生成單張圖片成本控制在0.1元，后續(xù)將推出速度優(yōu)化版本。該模型的開源不僅為國產(chǎn)AI生態(tài)注入新動(dòng)能，更驗(yàn)證了全棧國產(chǎn)化技術(shù)路線訓(xùn)練高性能多模態(tài)模型的可行性，為金融、教育、傳媒等行業(yè)提供低成本、高效率的智能化解決方案。