近日，全球AI開源領(lǐng)域迎來一則重磅消息：由智譜AI與華為聯(lián)合研發(fā)的新一代圖像生成模型GLM-Image，在開源上線后迅速引發(fā)行業(yè)關(guān)注。這款完全基于國產(chǎn)芯片訓(xùn)練的模型，在不到24小時內(nèi)便登頂國際知名AI開源社區(qū)Hugging Face的全球榜單，成為首個在該平臺斬獲榜首的國產(chǎn)AI模型。
據(jù)研發(fā)團隊介紹，GLM-Image的突破性在于其全流程國產(chǎn)化開發(fā)路徑。該模型依托華為昇騰Atlas 800T A2訓(xùn)練設(shè)備及昇思MindSpore AI框架，從數(shù)據(jù)處理到模型訓(xùn)練均在國內(nèi)算力生態(tài)中完成。這一實踐不僅驗證了國產(chǎn)AI基礎(chǔ)設(shè)施的成熟度，更標(biāo)志著中國在端到端自主研發(fā)能力上已具備國際競爭力。
在技術(shù)架構(gòu)層面，研發(fā)團隊摒棄了傳統(tǒng)開源模型常用的LDM方案，創(chuàng)新采用自回歸與擴散解碼器相結(jié)合的混合架構(gòu)。這種設(shè)計使模型既能精準(zhǔn)理解全局指令，又能細(xì)致刻畫局部細(xì)節(jié)，尤其在復(fù)雜視覺文本生成任務(wù)中表現(xiàn)出色。測試數(shù)據(jù)顯示，GLM-Image在CVTG-2K和LongText-Bench兩項權(quán)威基準(zhǔn)測試中均取得開源領(lǐng)域最佳成績，特別是在漢字生成任務(wù)上展現(xiàn)出顯著優(yōu)勢。
實際應(yīng)用場景中，該模型已展現(xiàn)出強大潛力。其生成的圖像可精準(zhǔn)匹配文字指令，在海報設(shè)計、PPT制作、科普圖解等知識密集型領(lǐng)域具有廣泛應(yīng)用價值。某設(shè)計公司負(fù)責(zé)人表示："GLM-Image生成的圖文內(nèi)容既符合專業(yè)審美要求，又能準(zhǔn)確傳達復(fù)雜信息，極大提升了我們的創(chuàng)作效率。"
商業(yè)化落地方面，GLM-Image通過API調(diào)用模式將單張圖片生成成本壓縮至0.1元，僅為同類國際模型價格的五分之一。這一成本優(yōu)勢正在吸引大量企業(yè)和開發(fā)者接入使用，某科技企業(yè)CTO指出："低廉的使用成本讓我們能夠大規(guī)模部署AI視覺技術(shù)，這在以前是不可想象的。"目前，該模型已與多家行業(yè)頭部企業(yè)達成合作意向，預(yù)計將在教育、傳媒、電商等領(lǐng)域引發(fā)新一輪應(yīng)用創(chuàng)新。
