Hunyuan anunciou o lançamento e a abertura do HunyuanImage 3.0 - diz-se que este é o maior e mais poderoso modelo de texto para imagem de código aberto até agora, com um total de mais de 80 bilhões de parâmetros, ativando 13 bilhões de parâmetros para cada token durante a inferência. Seu desempenho pode facilmente rivalizar com os melhores modelos fechados do setor.🚀🚀🚀

HunyuanImage 3.0 é baseado no modelo de linguagem multimodal nativo desenvolvido internamente pela Hunyuan, e foi ajustado e treinado posteriormente para tarefas de geração de imagens a partir de texto. Esta base única confere ao modelo uma série de capacidades poderosas: ✅ Raciocinar utilizando conhecimento do mundo ✅ Compreender prompts complexos de milhares de palavras ✅ Gerar texto preciso em imagens

Ao contrário dos modelos de geração de imagens DiT tradicionais, a arquitetura MoE do HunyuanImage 3.0 adota um método baseado em Transfusion, que combina profundamente o treinamento de Diffusion e LLM, formando um sistema poderoso e unificado.

HunyuanImage 3.0 é baseado no Hunyuan-A13B, treinado em um enorme conjunto de dados: 5 bilhões de pares de texto e imagem, quadros de vídeo, dados de texto e imagem intercalados, e um corpus textual de 60 trilhões de tokens. Esse treinamento misto de geração, compreensão e capacidades de LLM em múltiplas modalidades permite que o modelo integre várias tarefas de forma fluida.

Quer você seja um ilustrador, designer ou criador, ele pode reduzir seu fluxo de trabalho de horas para minutos. HunyuanImage 3.0 é capaz de gerar texto complexo, quadrinhos detalhados, emojis expressivos e ilustrações vivas e interessantes para conteúdo educacional.