Tencent представила HunyuanImage 3.0 — открытую модель уровня DALL·E и MidJourney

Tencent выпустила HunyuanImage 3.0 — крупнейшую открытую модель для генерации изображений, которая уже сравнима по качеству с флагманами вроде DALL·E 3 и MidJourney. Впервые open-source альтернатива получает шанс выйти на один уровень с закрытыми решениями мировых лидеров.

Подразделение Tencent Hunyuan объявило о выходе HunyuanImage 3.0 - новой модели для генерации изображений по текстовым описаниям. Это open-source система с архитектурой на 80 миллиардов параметров, где во время работы активируется только часть - 13 миллиардов. Такой подход снижает требования к ресурсам и позволяет запускать модель даже на потребительских видеокартах, начиная с NVIDIA RTX 3060.

Как появилась HunyuanImage 3.0

Компания начала работу над линейкой Hunyuan в 2024 году, выпустив Hunyuan-DiT, а затем перешла к инструментам для 3D-графики. Новый релиз - это уже фокус на 2D-иллюстрациях, включая реалистичные портреты, концепт-арт, а также комиксные панели. По сути, Tencent пытается восполнить тот разрыв, который долгое время существовал между открытыми и закрытыми моделями.

Технологическая основа

Архитектура HunyuanImage 3.0 сочетает Mixture of Experts (MoE), где каждая подмодель отвечает за конкретный аспект - текстуры, композицию или обработку текста, - и технологию Transfusion, объединяющую диффузионные модели с языковой моделью. Это позволяет системе лучше понимать длинные промпты (до тысячи слов) и точно передавать детали, включая текст на изображении.

Почему это событие важное

До сих пор открытые решения, вроде Stable Diffusion, хоть и популярные, часто уступали конкурентам в детализации и работе с текстом. Tencent заявляет, что её модель по внутренним тестам сравнима с DALLE 3 и MidJourney, а по отдельным параметрам превосходит их, особенно в генерации сложных сцен и читабельного текста на картинках.

Реакция пользователей

За первые сутки после выхода веса модели скачали более пяти тысяч раз, а онлайн-демо на Hugging Face собрало свыше десяти тысяч просмотров. Художники отмечают, что результаты напоминают работу профессиональных иллюстраторов и авторов комиксов. Однако часть специалистов предупреждает: для генерации в максимальном качестве 4K потребуется мощное оборудование или облачный сервис Tencent.

Где протестировать

Код и веса модели доступны на GitHub и Hugging Face . Пользователи могут выбрать между лёгкой онлайн-версией и полной установкой на своём компьютере. Те кто просто хочет протестировать в онлайн версии то добро пожаловать на Hunyuan Image .

Что это значит для рынка

Появление HunyuanImage 3.0 усиливает конкуренцию на поле, где до этого доминировали западные компании. Tencent делает ставку на демократизацию инструментов генерации изображений: теперь и независимые художники, и небольшие студии смогут пользоваться технологиями уровня MidJourney без платной подписки и ограничений.