腾讯混元图像3.0发布 - 全球最大开源文本生成图像模型

腾讯于9月28日正式开源发布混元图像3.0（HunyuanImage-3.0），这是首个开源商用级原生多模态生图模型，也是目前参数量最大的开源图像生成模型，总参数规模高达80B。

主要特性

参数规模创新高

混元图像3.0拥有80B总参数量和13B激活参数，采用64个专家的MoE（混合专家）架构，是目前全球最大的开源文本生成图像模型。

世界知识推理能力

该模型具备基于世界知识推理的原生多模态能力，能够结合常识和专业知识生成更准确、更丰富的图像内容。模型可以：

• 生成九宫格素描教程和算法流程可视化
• 解释物理原理、历史事件、生物过程
• 基于文学作品和诗歌创作视觉作品

千字级复杂语义理解

混元图像3.0支持1000+字符的复杂语义理解，这在同类开源模型中极为罕见。模型能够：

• 处理复杂场景描述
• 理解多层次细节要求
• 支持中英文双语输入

精确文本渲染

模型在图像内文本生成方面表现优异，支持：

• 海报设计中的标题文字
• 信息图表中的注释文本
• 品牌标识和标志
• 多语言文本混合

技术架构

混元图像3.0采用了MoE+Transfusion的创新架构，统一了多模态理解和生成能力。与传统的DiT架构不同，该模型采用了统一的自回归框架，实现了文本和图像模态的深度融合。

训练数据

• 50亿图像-文本对
• 6T文本令牌
• 渐进式训练策略
• 强化学习后训练优化

使用要求

硬件配置

这个模型可能对普通消费级显卡来说是个极大考验，考虑到起 80B 参数量的巨大体量，即便是量化版本也可能很难在普通消费级显卡上顺利运行

• GPU：≥3×80GB显存（推荐4×80GB）
• 存储：170GB可用空间
• 内存：64GB+系统内存
• 系统：Linux + CUDA 12.8

开源计划

混元图像3.0提供完整的开源方案，包括：

• 推理代码和模型权重
• HunyuanImage-3.0基础版本
• HunyuanImage-3.0-Instruct指令版本（支持推理能力）
• 未来将支持图像到图像生成、多轮交互等功能

开源许可

混元图像3.0采用 Tencent Hunyuan Community License Agreement 开源许可证。该许可证允许：

• 个人和企业可免费使用、复制、分发和修改模型
• 支持商业用途和衍生作品开发
• 允许通过API或其他方式提供托管服务

重要限制

• 地域限制：该许可证不适用于欧盟、英国和韩国地区
• 用户规模限制：如果您的产品或服务月活用户超过1亿，需要向腾讯申请额外许可
• 使用限制：禁止将模型输出用于改进其他AI模型（混元系列除外）
• 合规要求：必须遵守各国法律法规和可接受使用政策

相关链接

• 官方网站：https://hunyuan.tencent.com/image
• GitHub仓库：https://github.com/Tencent-Hunyuan/HunyuanImage-3.0
• HuggingFace模型：https://huggingface.co/tencent/HunyuanImage-3.0
• 技术报告：HunyuanImage 3.0技术报告