5月16日消息，腾讯今日正式发布了业内首个实现毫秒级响应的实时生图大模型——混元图像2.0（Hunyuan Image2.0）。该模型现已在腾讯混元游戏平台上开放体验，主要具备实时生图和超写实画质两大核心优势。

相较于前代模型，混元图像2.0的参数量级实现显著提升，得益于超高压缩倍率的图像编解码器与创新扩散架构，其出图速度明显快于行业领先模型。

在同类产品每张图通常需要5到10秒推理时间的情况下，混元图像2.0能够实现毫秒级实时响应，支持用户在输入文字或语音描述的同时即时生成图像，彻底改变了传统"输入-等待-查看"的交互模式。

除了生成速度突破，混元图像2.0在图像质量上也有显著提升。通过强化学习算法与海量人类美学知识对齐，模型生成的图像有效避免了常见AIGC内容中的"塑料感"，在真实度、细节丰富度和实用性方面都表现出色。

在专业评估基准GenEval上，混元图像2.0对复杂文本指令的理解与生成准确率突破95%，远超同类模型表现。

提示词：人像摄影，爱因斯坦，背景是东方明珠，自拍视角

腾讯表示，混元图像2.0创新引入多模态大语言模型作为文本编码器，配合自研结构化描述系统，不仅能理解字面意思，更能推测出用户期望的画面表达方式。

即使是蕴含多层语义的复杂描述，模型也能逐层解析，再通过画笔细腻呈现。

除了文字输入，混元图像2.0还支持语音直接输入提示词，系统会自动转写为文字并即时生成图像，非常适合直播解说、移动创作等实时场景。

用户还可上传草图作为参考，模型能自动识别线稿结构与构图逻辑，结合提示词内容补充光影、材质、背景等细节，快速扩展成完整图像。

混元图像2.0模型生成的效果展示：

人像摄影风格

动物特写

复古摄影

动漫风格

真实人物风格