前有OpenAI发布GPT-4o，后有Google亮出Imagen3，如今腾讯也正式交出了自己的答卷：混元文生图大模型全面升级，并宣布开源。

这是目前业内首个中文原生的DiT架构开源模型，同时支持中英双语输入与理解。

说到DiT架构，简单理解就是，Stable Diffusion 3和Sora同样采用了这一架构。不过，Sora至今未对外开放，Stable Diffusion 3也没有像之前承诺的那样完全开源。相比之下，腾讯混元大模型此次是实打实地开源了。从这个角度看，腾讯混元团队的诚意确实十足。

注：这是官方公布的架构图，感兴趣的可以深入研究，具体原理不妨让Kimi或GPT-4帮忙解读，亲测可行。

那么，这个混元-DiT模型的实际表现究竟如何？咱们逐一来看。

1、支持中文提示词

正如前面提到的，混元-DiT原生支持中英文输入。这对国内用户来说是一个实实在在的利好，终于不用再经历“中文转英文再转图片”的繁琐过程了。

注：这是官方展示的几组效果图。

2、长文本理解能力

换句话说，它能够分析和理解长篇文本中的信息，并据此生成符合要求的艺术作品。以下是官方放出的效果图。

3、支持多轮对话

这意味着你可以通过多次对话逐步修改图片，直到达到满意的效果。毕竟，很多时候一次对话很难一步到位生成理想的图片。

那么问题来了：混元-DiT模型怎么才能上手体验？目前的情况是，并没有一个直接的在线体验入口。

虽然混元-DiT的官网上提到了“欢迎在腾讯混元助手中体验”，但实际登录进去后发现，里面的模型似乎并不是新开源的这一个（也可能是不在灰度范围内）。

第一个证据是，页脚标注的依然是基于腾讯混元大模型V1.7.6版本，而且消息中心里没有任何关于最新开源的通知。

第二，官方演示视频中展示的版本，其实已经更新到了2.0。

第三，靠直观感受来判断：在混元助手里面生成的图片，质量明显不如官网展示的效果，而且还需要依赖“生成一张图片”这类提示词来触发。

所以，如果真想体验，只能参照GitHub上的说明自行部署安装。恰好我的电脑配置能满足要求，后续会专门出一期部署教学。

最后，再来说说它与其他文生图模型的横向对比。以下是GitHub上放出的评测结果。

注：该评测由50余名专业评测人员共同完成。

总体来看，相较于其他开源模型，混元-DiT确实有所提升。不过，与一些闭源模型相比，仍然存在差距。希望开源的力量能推动它变得更好。

相关地址：

混元-DiT官网：https://dit.hunyuan.tencent.com/

混元-DiT Github地址：https://github.com/Tencent/HunyuanDiT