Релиз HunyuanImage 3.0: открытая модель для генерации контента

Вслед за множеством ИИ-релизов от Alibaba, компания Tencent также продолжила парад китайских LLM, открыв исходный код модели HunyuanImage 3.0 — нативной мультимодальной системы генерации изображений.

Языковая модель HunyuanImage 3.0 на базе MoE (64 эксперта) имеет 80 миллиардов параметров, 13 из которых активируются при генерации токена. HunyuanImage 3.0 позиционируется как решение коммерческого уровня, характеристики которого соответствуют ведущим проприетарным аналогам для генерации статичных изображений. Модель демонстрирует высокую эффективность в области анализа изображений на основе датасета, способна обрабатывать пользовательские инструкции объемом свыше 1000 символов, генерируя статичный контент, полностью соответствующий требованиям юзера. HunyuanImage 3.0 базируется на единой авторегрессионной архитектуре HunyuanImage 2.0, выпущенной в мае этого года, вследствие чего новой нейросети Tencent в наследство досталась высочайшая скорость отклика, генерация контента в фото реалистичном качестве и возможности преобразования текста в изображение в режиме реального времени. Модель также поддерживает вывод через различные контрольные точки, поддерживает локальный инференс через движок vLLM, а для разработчиков доступна подробная техническая документация по выводу и дообучению. Веса модели HunyuanImage 3.0 уже доступны для скачивания на Hugging Face — для ее запуска потребуется ИИ-ускоритель с поддержкой CUDA (не менее трех GPU емкостью 80 ГБ VRAM) либо 170 ГБ оперативной памяти.

Конечно, Tencent не считается столь же крупным игроком на китайском рынке ИИ, как Alibaba и DeepSeek, но компания активно завоевывает свое место среди топовых разработчиков LLM, выпуская все более и более инновационные модели с открытым исходным кодом, таких как свежая HunyuanImage 3.0.