腾讯混元大模型升级：中文能力超GPT-3.5， 正式对外开放“文生图”功能

　　今年9月，腾讯混元大模型正式发布，1个多月后，该大模型近日迎来重磅升级。

　　据“鹅厂技术派”公众号介绍，10月26日上午，腾讯混元大模型迎来全新升级，并正式对外开放“文生图”功能。官方宣称，升级后的腾讯混元中文效果整体超过GPT3.5，代码能力大幅提升 20%，达到业界领先水平。

　　据介绍，相比其他大模型，腾讯混元的文生图应用，在人像真实感、场景真实感上有比较明显的优势。

　　大模型文生图的难点体现在对提示词的语义理解，生成内容的合理性以及生成图片的效果。

　　针对这三个技术难点，腾讯进行专项的技术研究，提出一系列原创算法，来保证生成图片的可用性和画质。

　　具体来说，在语义理解方面，腾讯混元采用了中英文双语细粒度的模型，模型同时建模中英文实现双语理解，而不是通过翻译。

　　在内容合理性方面，为了解决AI生成人体结构和手部经常容易变形的问题，混元文生图增强了算法模型的图像二维空间位置感知能力。并将人体骨架和人手结构等先验信息引入到生成过程中，让生成的图像结构更合理，减少错误率。

　　在画面质感方面，经模型算法优化后，混元文生图的人像模型，包含发丝、皱纹等细节的效果提升了30%，场景模型，包含草木、波纹等细节的效果提升25%。

　　据悉，混元大模型为腾讯全链路自研大语言模型，参数规模超千亿，预训练语料超2万亿tokens(大语言模型文本单位)，具有中文创作能力、任务执行能力和复杂语境下的逻辑推理能力。

　　(综合自IT之家、快科技)

责任编辑：赵苗苗