腾讯开源发布HunyuanImage 2.1，图像生成能力接近商业级水准-AI前沿快讯-AI工具导航

腾讯开源发布HunyuanImage 2.1，图像生成能力接近商业级水准

腾讯正式推出新一代开源文生图模型HunyuanImage 2.1。该版本最大的亮点，是能高效生成2K（2048×2048）分辨率的高清图像，同时在语义对齐和细节控制方面有明显提升。

在整体架构上，HunyuanImage 2.1采用了“两步走”的方案。第一步是基础的文生图模型，内置双文本编码器：一个是多模态语言理解模型，用来提升画面与文字的对应度。另一个是支持多语言和字符感知的编码器，能更好地处理不同语言环境下的文本生成。第二步则由精修模型完成，它进一步改善画质、减少伪影。

在训练环节，团队采用了分层语义标注，并通过OCR和知识增强手段弥补传统描述器在复杂语义上的不足。结合人类反馈强化学习，模型在结构美感和表现力上也得到了提升。

腾讯还引入了一个PromptEnhancer模块，用于自动优化用户的提示词，让生成结果更贴近预期。同时，新的蒸馏方法让推理更高效，只需少量采样步骤就能得到高质量图像。

从评测数据看，HunyuanImage 2.1在开源模型中语义对齐表现最佳，甚至已经接近一些闭源商用产品。

在SSAE（结构化语义对齐评测）中，研究团队设置了3500个关键点，覆盖12个大类，用来考察生成图像与文字描述的对应度。评测由多模态语言模型自动打分，结果显示，HunyuanImage 2.1在开源模型中表现最优，图文对齐的准确率仅比商业闭源模型GPT-Image略低。

在另一项GSB对比评测中，腾讯邀请了超过100位专业评审，针对1000个提示词生成的图像进行主观打分。结果显示，HunyuanImage 2.1相较于闭源的Seedream 3.0仅略逊一筹（-1.36%），但在与开源的Qwen-Image对比时则有明显优势（+2.89%）。表明该模型不仅站稳了开源阵营的前列，也逐步缩小了与商业模型之间的差距。

HunyuanImage 2.1支持多种图像比例，原生兼容中英文提示词，能够生成包含多物体、复杂场景的高清画面。对于需要在研究、创作或应用层面使用高质量开源图像生成方案的开发者来说，该版本为此类人群提供了新的选择。

根据官方信息，运行HunyuanImage 2.1需要支持CUDA的英伟达显卡，并至少具备59GB显存才能在单批次下生成2048×2048分辨率的图像。系统方面，目前支持Linux环境。如果显存不足，用户也可以通过CPU卸载功能降低GPU占用，但速度会有所下降。