1月14日?qǐng)?bào)道，今天，首個(gè)在國(guó)產(chǎn)芯片上完成全程訓(xùn)練的SOTA（最佳水平）多模態(tài)模型開(kāi)源。

這是智譜聯(lián)合華為開(kāi)源的圖像生成模型GLM-Image。從數(shù)據(jù)到訓(xùn)練的全流程，該模型完全基于昇騰Atlas 800T A2設(shè)備和昇思MindSpore AI框架完成構(gòu)建。

截至今日午間休市，智譜股價(jià)上漲16.83%。

在聚焦文字渲染的CVTG-2K、LongText-Bench榜單上，GLM-Image的得分超越了以谷歌Nano Banana Pro為代表的認(rèn)知型生成模型。

▲GLM-Image在文字渲染的CVTG-2K、LongText-Bench榜單中達(dá)到開(kāi)源SOTA水平

GLM-Image實(shí)現(xiàn)了圖像生成與語(yǔ)言模型的聯(lián)合，核心亮點(diǎn)如下：

1、架構(gòu)革新，面向「認(rèn)知型生成」的技術(shù)探索：采用創(chuàng)新的「自回歸 + 擴(kuò)散編碼器」混合架構(gòu)，兼顧全局指令理解與局部細(xì)節(jié)刻畫(huà)，克服了海報(bào)、PPT、科普?qǐng)D等知識(shí)密集型場(chǎng)景生成難題。

2、首個(gè)在國(guó)產(chǎn)芯片完成全程訓(xùn)練的SOTA模型：模型自回歸結(jié)構(gòu)基座基于昇騰Atlas 800T A2設(shè)備與昇思MindSpore AI框架，驗(yàn)證了在國(guó)產(chǎn)全棧算力底座上訓(xùn)練前沿模型的可行性。

3、文字渲染開(kāi)源SOTA：在CVTG-2K（復(fù)雜視覺(jué)文本生成）和LongText-Bench（長(zhǎng)文本渲染）榜單獲得開(kāi)源第一，尤其擅長(zhǎng)漢字生成任務(wù)。

4、高性價(jià)比與速度優(yōu)化：API調(diào)用模式下，生成一張圖片僅需0.1元，速度優(yōu)化版本即將更新。

智東西第一時(shí)間對(duì)GLM-Image進(jìn)行了體驗(yàn)，發(fā)現(xiàn)模型在漢字生成上準(zhǔn)確度很高，優(yōu)于谷歌Nano Banana Pro以及多款頭部國(guó)內(nèi)模型；能夠較準(zhǔn)確理解深層語(yǔ)義和知識(shí)概念，并將其轉(zhuǎn)化為正確的視覺(jué)元素；能夠在保證全局構(gòu)圖的同時(shí)較精準(zhǔn)刻畫(huà)局部細(xì)節(jié)。

同時(shí)，GLM-Image也存在字體風(fēng)格呈現(xiàn)不準(zhǔn)、生成需要等待時(shí)間、一些科學(xué)概念理解不足等問(wèn)題；且相比于一些免費(fèi)選擇，其仍需要收取少量費(fèi)用。