首個中文原生DiT架構 騰訊混元文生圖大模型宣佈全面開源

快科技今日（5月14日）消息，今日，騰訊旗下混元文生圖大模型（混元DiT，Diffusion Models with Transformers）宣佈全面開源。

目前已在Hugging Face、Github上發佈，包含模型權重、推理代碼、模型算法等完整模型，供企業與個人開發者免費商用。

據媒體報道，騰訊混元文生圖負責人盧清林表示，混元DiT開源的價值有兩方面。

一方面這是業內首個中文原生DiT架構，彌補瞭開源社區的空白，另一方面混元DiT為全面開放，與現網版本完全一致。

據介紹，此次開源的混元DiT采用瞭與Sora同樣的背後關鍵技術——DiT架構，還支持256字中文理解，不僅支持文生圖，也可作為視頻等多模態視覺生成的基礎。

騰訊方面表示，為瞭構建混元DiT設計瞭Transformer結構、文本編碼器和位置編碼，構建瞭完整的數據管道，用於更新和評估數據，為模型優化迭代提供幫助。

為瞭實現細粒度的文本理解，還訓練瞭多模態大語言模型來優化圖像的文本描述。

最終，混元DiT能夠與用戶進行多輪對話，根據上下文生成並完善圖像。