腾讯混元图像模型升级版开源发布：支持原生2K生图与中英文输入

9月9日，腾讯正式对外宣布，其最新研发的混元图像模型2.1已全面开源。这一版本不仅支持原生2K分辨率的图像生成，还首次实现了对中英文双语原生输入的支持。

与此同时，腾讯还同步开源了另一款重要工具——PromptEnhancer文本改写模型。该模型能够显著提升用户prompt的质量和效果：当用户输入“画一只可爱的猫”时，它会自动补充更具体的描述，如“橘色短毛猫趴在格子桌，爪边放饼干，水彩风”。这种智能化的补全能力不仅支持中文，还能实现中英文双向转换。例如，用中文描述“画带‘Dream’的星空蛋糕”，也能精准生成符合预期的画面，有效避免“表达模糊”的问题。

作为此次升级的核心，混元图像模型2.1版本在多个维度实现了重要突破。首先是超长prompt支持：它能够处理长达1k tokens的复杂语义输入，并且支持多主体分别描述与精确生成。

Prompt示例：一幅由四个画格组成的卡通漫画，以2×2的网格形式排列，讲述了一只变色龙的难题…

在图像生成质量方面，混元图像模型2.1版本实现了更稳定的文字渲染和场景细节把控，显著减少了以往常见的文字错误与理解偏差问题。

Prompt示例：星空下，一个充满未来感的泳池…

此外，该模型还支持生成多种不同风格的作品，包括：

• 真实感人物
• 多样化漫画
• 精致的手办模型

Prompt示例：在酒馆外面…

混元图像模型2.1的主要技术亮点包括：

• 双通道文本编码器：同时采用通用和专门的文字编码器，显著提升了对场景描述、人物动作和细节需求的理解能力。
• VLM + 专家模型的结构化Caption技术：通过创新性引入OCR agent和IP RAG，弥补了传统VLM captioner在密集文本和世界知识描述方面的不足。
• 两阶段模型架构：
  • 文生图模型：采用单双流网络架构，拥有17B的模型参数量。
  • Refiner模型：使用类似图生图的条件生成结构，能有效减少图像畸形问题，并显著提升图像质感和清晰度。
• 两阶段强化后训练：通过SFT（策略梯度）和RL（强化学习）两个阶段的后训练优化，创新性引入高质量图片作为chosen样本，实现了模型效果的稳定提升。
• 高压缩率VAE技术：
  • 32倍压缩率：大幅降低了dit模型的输入token数量，显著提升了训练和推理效率。
  • 多分辨率Repa Loss：用于加速模型收敛速度。
• meanflow推理加速技术：
  • 首次在工业级模型中实现：将推理步数从100步优化至8步，显著提升了蒸馏效果。
• PromptEnhancer文本改写模型：
  • 首个系统化的工业级改写模型。
  • 通过SFT（策略梯度）和GRPO训练显著提升了文本生成的图像语义质量。
  • 提出了包含6大类、24个细粒度考点的AlignEvaluator奖励模型。
  • 支持同时处理中英文改写任务。

如需了解更多详细信息或进行技术实验，可访问混元图像模型2.1的开源地址：

https://github.com/Tencent-Hunyuan/HunyuanImage-2.1