1月26日，腾讯混元发布混元图像3.0图生图（HunyuanImage 3.0-Instruct）模型，支持图片编辑与多图融合，并在“元宝”同步上线，用户可直接在元宝全端和在腾讯混元官网体验。
混元图像3.0图生图总参数量80亿（激活参数约13亿），采用混合专家（MoE）架构，基于混元图像3.0的原生多模态架构基础模型，引入图生图的多任务数据，通过指令微调和后训练，实现了对用户输入图像和编辑指令的深度理解与处理。混元图像3.0图生图指令遵循效果稳定，生成的图片一致性高、真实感强、情绪表现力佳，生成速度明显提升。
据介绍，混元图像3.0图生图是一款能理解输入图像、会思考的图像编辑模型。模型在收到用户输入的图片和提示词后，首先会先理解图像内容本身，并基于用户的提示词进行推理，推理出具体的需要进行编辑的区域、详细的编辑步骤以及需要保留的图像区域，形成更加详细的编辑指令，实现良好的输出效果。
元宝 混元 Hunyuan 教程
混元图像3.0图生图支持多样化的图片编辑与多图融合能力，比如增、删、改、风格变换、老照片修复、人物与文字修改等图片编辑能力，以及把多张照片中的人物或元素提取出来合成合照与生成新图片等。
在元宝上，基于该模型用户可以直接制作表情包、虚拟人物合拍、社交分享、电商海报设计、游戏角色定制、创意图片制作等。
在数据层面，混元团队通过图像、视频原始数据挖掘和专家网络合成的方式，构建了千万量级的图生图数据，覆盖80+任务，并在持续训练（CT）阶段注入这些数据，使模型掌握基础编辑功能；同时，混元团队进一步针对图生图数据构造了思维链，让模型学会先分析用户图像和意图，输出更加详细的编辑指令提升编辑效果。后训练阶段，混元图像3.0图生图采用自研MixGRPO算法，结合奖励模型多轮迭代，高效对齐用户偏好，大幅提升了指令响应和非编辑区域保持一致的效果。
发布者：全栈程序员-站长，转载请注明出处：https://javaforall.net/258753.html原文链接：https://javaforall.net
