先说一个关键信息：腾讯正式发布了混元文生图大模型（混元 DiT）的加速库，宣称能够将生图时间缩短 75%。这并非小幅度优化，而是对推理效率的一次硬核提升。

具体而言，这个加速库带来了两大层面的变化。首先是使用门槛的降低。以往想要运行混元 DiT 模型，往往需要折腾底层代码；如今用户可以直接在 ComfyUI 图形化界面中轻松调用，通过拖拽操作即可生成图片。同时，该模型已部署到 HuggingFace 的 Diffusers 通用模型库中，仅需三行代码即可调用，无需下载完整原始代码库。简而言之，它从“专业玩家”工具变成了“人人可用”的便捷工具。

在此之前，腾讯已将这款文生图大模型全面开源，并允许企业和个人开发者免费商用。值得一提的是，它被誉为“业内首个”中文原生的 DiT 架构文生图开源模型——不同于基于英文语料训练的模型，它对中英文双语输入均提供原生支持，对中文场景的理解能力更加贴合。技术上采用与 Sora 相同的 DiT 架构，因此不仅能够生成图像，还为未来视频生成和多模态内容创作奠定了基础。

当然，运行该模型对硬件有一定要求：需要支持 CUDA 的英伟达 GPU，单独运行混元 DiT 最低显存要求为 11GB；若同时运行 DialogGen（腾讯的文本转图像多模态交互系统）和混元 DiT，则至少需要 32GB 显存。腾讯已在 Linux 系统上使用 V100 和 A100 进行了测试，因此如果你打算使用，请先确认你的显卡是否满足需求。