腾讯混元图像 2.0 模型发布：毫秒级响应，一边打字一边出图

数码芝华士

IT之家 5 月 16 日消息，腾讯混元图像 2.0 模型（Hunyuan Image2.0）今日正式发布，在腾讯混元官方网站上线，并对外开放注册体验。

腾讯混元图像 2.0 模型主要有两大特点：实时生图、超写实画质。

相比前代模型，腾讯混元图像 2.0 模型参数量提升了一个数量级，得益于超高压缩倍率的图像编解码器以及全新扩散架构，其生图速度“显著快于行业领先模型”，在同类商业产品每张图推理速度需要 5 到 10 秒的情况下，腾讯混元号称可实现毫秒级响应，支持用户可以一边打字或者一边说话一边出图，改变了传统“抽卡 — 等待 — 抽卡”的方式。

除了速度快以外，腾讯混元图像 2.0 模型图像生成质量提升明显，通过强化学习等算法以及引入大量人类美学知识对齐，生成的图像号称可避免 AIGC 图像中的“AI 味”。

在图像生成领域专门测试模型复杂文本指令理解与生成能力的评估基准 GenEval（Geneval Bench）上，腾讯混元图像 2.0 模型准确率超过 95%，远超其他同类模型。

IT之家附图片示例如下：

人像摄影风格

动物特写

复古摄影

动漫风格

真实人物风格

本次模型升级还带来了发布了实时绘画板功能，基于模型的实时生图能力，用户在绘制线稿或调整参数时，预览区同步生成上色效果，突破了传统“绘制-等待-修改”的线性流程，可助力专业设计师的创作。

实时绘画板支持多图融合，用户上传多图后，可将多个草图叠加至同一画布自由创作，经过 AI 自动协调透视与光影，按照提示词内容生成融合图像，进一步丰富了 AI 生图的交互体验。

腾讯混元原生多模态图像生成大模型已经在路上，腾讯表示，新模型在多轮图像生成、实时交互体验等方面有突出表现。