騰訊于5月14日宣布將混元文生圖大模型升級并公之于眾，已發(fā)布至Hugging Face以及Github之上，包括模型權(quán)重、推理代碼、模型算法等全方位數(shù)據(jù)，均向企業(yè)與個(gè)人開發(fā)者提供免費(fèi)商業(yè)使用權(quán)限。

升級版混元文生圖大模型采取了與Sora相同的DiT架構(gòu)設(shè)計(jì)。騰訊強(qiáng)調(diào)，這是全球首個(gè)中英雙語DiT架構(gòu)。

基于Diffusion Transformer的混元DiT是一種文本到圖像生成模塊，具備中英細(xì)粒度理解能力，能與用戶進(jìn)行多輪對話，根據(jù)上下文生成并完善圖像。

此外，它還是業(yè)界首個(gè)中文原生DiT架構(gòu)文生圖開源模型，支持中英文雙語輸入及理解，參數(shù)規(guī)模高達(dá)15億。

運(yùn)行該模型需配備支持CUDA的NVIDIA GPU，單次運(yùn)行混元DiT所需最低顯存為11GB；若要同時(shí)運(yùn)行DialogGen（騰訊推出的文本轉(zhuǎn)圖像多模態(tài)交互式對話系統(tǒng)）和混元DiT，則至少需32GB顯存。騰訊表示，他們已在Linux環(huán)境下對NVIDIA的V100和A100 GPU進(jìn)行過測試。

國內(nèi)首次官方“大模型標(biāo)準(zhǔn)符合性評測”結(jié)果出爐，騰訊混元大模型成功入選首批通過評測的國產(chǎn)大模型行列，其他通過評測的大模型還包括阿里通義千問、360智腦和百度文心一言。