AI 生图再进化！图像分辨鲠平直卷到2Kkaiyun官方网站。

腾讯开源混元图像 2.1（HunyuanImage2.1），画质平直拉满的同期，还能读懂千字长文本，以至中英文混搭渲染。

新一代模子在时期上全面升级，不仅显赫普及图文语义一致性和跨场景泛化能力，还或者精细拆除场景、变装姿态以至多物体形容，达成开源生图模子中的 SOTA。

模子开源之后，在 Hugging Face 趋势榜上沿途飙升，现在已拿劣等别称的宝座。

话未几说，先来看几个网友试玩感受一下。

领先康康真正场景下的发扬，讲究的手部和脸部纹理，处理细节过关

海报制作上，文本渲染也十分干净。

或者搞个好意思洲驼的认识图，亦然轻安静松～

还有每次必不能少的动漫风关节：魔女宅急便（清翠猪咪版）

不错说，混元图像 2.1 更懂语义、更擅图文、更多格调、更高清画质……

是以我们这不迅速上手体验一波。

四大亮点

掀开官网，操作界面是酱紫的～采取需要生成的图像尺寸和数目，填写 prompt（上限 2048），就能秒获得超高分辨率图像。

我们体验了一下，回归下来这个模子有四大亮点。

亮点 1：复杂语义生成能力强

收成于各种化的大限度图文对皆数据，混元图像 2.1 模子对复杂语义相接能力有了显赫普及，一些长达 1k tokens 长度的超长复杂 prompt 也能安静完成，还能收尾多主体永别形容拆除生成，且确保精准生成。

比如说，我这里念念要兼并页面中既有吉卜力格调，又有迪士尼嗅觉，得到的拆除 be like：

Prompt：一幅图像面目了一个写实格调的男孩，他的支配肩膀上各坐着一只不同格调的动物。画面中央的男孩留着玄色的短发，他身穿白色 T 恤，服装面料具有较着的纹理和褶皱。在他的左肩上，坐着一只吉卜力卡通格调的橘色小猫，这只猫有着清翠的体魄、大大的耳朵和检朴的线条，颜色和煦。在他的右肩上，坐着一只迪士尼 3D 动画格调的金色小狗，这只狗的毛发呈现出渲染感透顶的光泽和卷曲状，有着大鼻子和亮晶晶的眼睛。布景是白墙。全体画面是一幅数字画图作品，和会了照相级写实、手绘动画和 3D 渲染等多种格调。

亮点 2：相沿中英文翰墨渲染、翰墨和画面和会

模子或者在图像中当然和会中英文翰墨，适用于居品封面、插画、海报瞎想等各种化瞎想场景，得志不同范围的需求。

念念要为歪果 bro 瞎想一款汇注中国秀丽景点的微缩模子，有长城、佛塔还有东方明珠播送电视塔，还得要个大写的" China "水印。

Prompt：A hyper-realistic photograph of a glass cube diorama on a lush, mossy forest floor, illuminated by dappled sunlight. Inside the transparent cube, an intricate landscape of miniature, highly detailed landmarks and cultural icons from China are meticulously arranged. This includes both traditional and modern architecture, such as the Great Wall winding across a terrain, a classic pagoda, and the sleek form of the Oriental Pearl Tower, all surrounded by miniature greenery. At the base of the diorama, the 3D word " China " is prominently displayed in large, bold, white block letters. The background forest is softly blurred, creating a bokeh effect that directs attention to the sharp details of the diorama. The overall look is crisp, elegant, and immersive, with a shallow depth of field.

亮点 3：适用场景丰富，具备高好意思学质感

同期，模子可相沿生成各种格调，如真正感东说念主物、漫画与搪胶手办等，同期具备高好意思学品性和视觉发扬力。

最近社媒都被 AI 生成手办刷屏了，那就试试混元图像 2.1 的拆除叭！赛博悟空驱动！

Prompt：一幅超践诺主义格调的悟赤手办，东说念主物飘摇在半空，体魄部分化为液态银色金属，视力尖锐，手拿着金箍棒，布景是一条巨龙在霏霏中盘旋，鳞片醒目明朗，场景充满力量感，空中有闪电。

亮点 4：原生 2K 高质地图像生成

模子现在或者以其他模子 1k 生成的耗尽，高效地生成超高清 2K 分辨率图像，大幅普及了出图分辨率和可用性，尤其合乎对画质有专科条目的欺诈场景。

比如说底下生成一个小女孩的肖像照，分辨率拉满，这下谁能分清是 AI 一经真正照相？（doge）

Prompt：A close-up shot focuses on a young girl with vibrant, curly hair and a gentle expression. Her face is characterized by a light dusting of sun-kissed freckles across her nose and cheeks. She wears a dress with a colorful floral pattern and holds a freshly-picked bouquet of wildflowers, including daisies and lavender, against a softly blurred background. The image presents a realistic photography style.

那问题来了，为啥混元图像 2.1 不错作念到这样强？来看一手时期敷陈解读。

立异时期有诡计普及生图质地

左证官方先容，混元图像 2.1（HunyuanImage-2.1）是一个或者生成 2K（2048 × 2048）分辨率图像的高效文本到图像模子。

时期立异领先是进修数据和标注上，通过结构化标注在短、中、长和超长级别提供分层语义信息，显赫增强了模子对复杂语义的反馈能力。

立异性地引入OCR 巨匠模子和IP RAG来照顾通用 VLM 标注器在密集文本和天下学问形容方面的不及，而 OCR 信息额外使用双向考据计谋确保了标注的准确性。

通盘架构不错包括两个阶段：

基础文本到图像模子：

使用了 32x 的高压缩率的VAE, 大幅减少了 DiT 模子的输入 token 数目 , 相通生成一张 2K 图，token 数目只好 16x VAE 的 1/4，大幅普及了进修和推理的遵守。

将 VAE 的特征空间与 DINOv2 特征对皆，便于使用高压缩 VAE 的 dit 的进修，这显赫提高了推理遵守，使得 HunyuanImage 2.1 生成 2K 图像的时期与其他模子生成 1K 图像的时期交流。

多桶、多分辨率 REPA 失掉将 DiT 特征与高维语义特征空间对皆，有用加快模子敛迹。

另外采取视觉 - 言语多模态编码器来让模子更好地相接场景形容、东说念主物动作和珍惜条目，普及模子的语义对皆能力。

以及引入多言语 ByT5 文本编码器，有利用于文本生成和多言语抒发，普及模子翰墨渲染的能力。

同期该阶段具有 170 亿参数的单流和双流Diffusion Transformer。

为了优化好意思学和结构连贯性，还欺诈了东说念主类反馈强化学习（RLHF），引入奖励漫衍对皆算法，立异性地将高质地图像看成遴选样本，确保老成和修订的强化学习拆除。

精修模子：

第二阶段引入了一个精修模子，进一步普及了图像质地和显著度。

此外，开拓了首个系统性工业级改写模子PromptEnhancer 模块，其中 SFT 进修结构化地重写用户文本领导以丰富视觉抒发，而 GRPO 进修采取细粒度语义AlignEvaluator 奖励模子来大幅普及从重写文本生成的图像语义。

AlignEvaluator 涵盖 6 个主要类别和 24 个细粒度评估点，模块相沿中英文重写，并在增强开源和很是文本到图像模子的语义方面展现了通用适用性。

此外，还提议了一种基于MeanFlow的新式蒸馏措施，照顾了尺度均值流进修固有的不老成性和低遵守的重要挑战。

这种措施或者仅用一丝采样身手生成高质地图像，这亦然 MeanFlow 在工业级模子上的初度到手欺诈。

因此混元图像 2.1 展现了纷乱的语义对皆和跨场景泛化能力，普及了文本与图像之间的一致性，增强了对场景细节、东说念主物姿态和神采的拆除，并或者生成具有不同形容的多个物体。

开源生图模子 SOTA

为了评估模子的语义一致性，询查东说念主员提议了一项基于多模态大言语模子（MLLM）的智能评测想法SSAE（Structured Semantic Alignment Evaluation）。

该想法将 300 说念评测题目按 12 个类目索要重点，并借助 MLLM 自动比对图像骨子与重点进行评分，最终可输出两个拆除：平均图像准确率（图像层级的平平分数）和全局准确率（总共重点的平均得分）。

拆除标明，混元图像 2.1 模子在语义对皆上的发扬向上于开源模子，并靠拢GPT-Image等闭源生意模子的拆除。

在 GSB 评测中，混元图像 2.1 也相较于闭源模子 Seedream3.0 胜率为-1.36%，对比开源模子 Qwen-Image 胜率为2.89%。

拆除标明，混元图像 2.1 看成开源模子，其图像生成质地已达到闭源生意模子十分水平，并在同类开源模子中具备上风，体现了该模子在文本生成图像任务中的时期先进性与实用价值。

体验地址：https://hunyuan.tencent.com/image/zh?tabIndex=0

huggingface 相接 : https://huggingface.co/tencent/HunyuanImage-2.1

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

一键三连「点赞」「转发」「预防心」

迎接在辩驳区留住你的念念法！

—  完  —

� �  年度科技风向标「2025 东说念主工智能年度榜单」评比报名开启啦！我们正在寻找 AI+ 期间领航者  点击了解细目

❤️‍� �   企业、居品、东说念主物 3 大维度，共诞生了 5 类奖项，迎接企业报名参与   � �  

一键存眷 � � 点亮星标

科技前沿进展逐日见kaiyun官方网站