Hunyuan は HunyuanImage 3.0 とオープンソースのリリースを発表しました - これはこれまでで最大かつ最も強力なオープンソースの Wensheng グラフ モデルであると言われており、合計 800 億を超えるパラメーターがあり、推論中にトークンごとに 130 億のパラメーターがアクティブ化されます。 その効果は、業界トップのクローズドソースモデルに完全に匹敵します。 🚀🚀🚀

HunyuanImage 3.0 は、Hunyuan が独自に開発したネイティブ マルチモーダル大規模言語モデルに由来し、Wensheng グラフ タスク用に微調整および事後トレーニングされています。 この独自の基盤により、モデルには一連の強力な機能が与えられます。 ✅ 世界の知識を使って推論する ✅ 複雑なプロンプトを何千もの単語で理解する ✅ 画像に正確なテキストを生成

従来の DiT ベースの画像生成モデルとは異なり、HunyuanImage 3.0 の MoE アーキテクチャは、拡散と LLM トレーニングを深く組み合わせて統一された強力なシステムを形成する輸血ベースのアプローチを採用しています。

HunyuanImage 3.0 は Hunyuan-A13B に基づいており、50 億のグラフィックとテキストのペア、ビデオ フレーム、インターリーブされたグラフィック テキスト データ、および 6 兆トークンのテキスト コーパスを含む巨大なデータセットでトレーニングされています。 マルチモーダル生成、理解、LLM 機能にわたるこのハイブリッド トレーニングにより、モデルは複数のタスクをシームレスに統合できます。

イラストレーター、デザイナー、クリエイターのいずれであっても、ワークフローを数時間から数分に短縮できます。 HunyuanImage 3.0 は、教育コンテンツ用の複雑なテキスト、詳細なコミック、表現力豊かな絵文字、鮮やかで遊び心のあるイラストを生成できます。