邊寫邊畫、邊説邊畫，混元圖像 2.0 來了！

騰訊於 5 月 16 日推出新一代圖像生成模型——混元圖像 2.0，提升圖像生成速度至 “毫秒級”。該模型實現了實時互動，用户在輸入提示詞時可實時看到圖像變化，準確率超過 95%。混元圖像 2.0 不僅在速度上有突破，圖像質量也顯著提升，避免了傳統 AIGC 圖像的 “AI 味”，提供更真實的質感和細節。

5 月 16 日，騰訊推出了其新一代圖像生成模型——混元圖像 2.0（Hunyuan Image 2.0），號稱將圖像生成速度提升至 “毫秒級”。

何謂 “毫秒級”？答案可能令人大吃一驚：當用户在輸入提示詞的同時，即可看到圖像的實時變化，所見即所得。

騰訊表示，得益於超高壓縮倍率的圖像編解碼器以及全新擴散架構，該模型參數量提升了一個數量級，實現了毫秒級響應速度，改變了傳統 “抽卡—等待—抽卡” 的方式，帶來交互體驗革新。

混元圖像 2.0 不僅實現了"邊説邊畫"的實時互動，還在模型架構和生成質量上實現了全面飛躍。在 GenEval 基準測試中，混元圖像 2.0 模型的準確率超過 95%，遠超其他同類模型，證明了其在複雜文本指令理解與生成方面的卓越能力。

交互革新："邊打字邊出圖"的新範式

實際測試顯示，混元圖像 2.0 能夠實現"一邊打字一邊出圖"的完全實時反饋，用户輸入提示詞的過程中，畫面會隨着文字變化而實時調整。

例如輸入"人像攝影，愛因斯坦，背景是東方明珠電視塔，自拍角度"，系統能夠實時生成符合描述的圖像，並在每個新元素添加時立即更新畫面。

人物的表情也可以瞬間改變，比如讓愛因斯坦吐舌頭：

除此之外，還可以連續對畫面增加或修改多個細節：一個女生，亞洲面孔，大眼睛，笑容燦爛，長頭髮，穿中式服裝，戴上帽子，手繪風格。

動漫風、編織風等，效果也都不錯：

這種實時反饋機制徹底打破了傳統"輸入提示詞→等待數秒→查看結果→調整重試"的繁瑣流程，大幅降低了創作門檻，使得創意表達更加流暢連貫。

超寫實畫質：真實感與細節的完美結合

除了速度，混元圖像 2.0 在圖像質量上也取得了顯著提升。

通過強化學習等算法以及引入大量人類美學知識對齊，生成的圖像有效避免了 AIGC 圖像的 “AI 味”，呈現出更真實的質感和更豐富的細節。

GenEval 評估基準測試顯示，騰訊混元圖像 2.0 模型準確率超過 95%，遠超同類模型。這種高保真度的圖像生成能力，對需要高質量素材的行業（如廣告、設計等）有着巨大的吸引力。

圖像二次編輯：圖生圖的強大功能

混元圖像 2.0 不僅支持文字生成圖像，還提供了強大的 “圖生圖” 功能。可提取參考圖的主體或輪廓特徵，對現有圖像進行二次編輯。

這種能力極大地拓展了該模型的使用場景，從給寵物生成個性化照片到專業的設計創作，用户都能輕鬆駕馭。比如上傳一張貓咪照片，圖像參考強度設定為 92，讓貓咪眼睛變大，在草地上，戴上皇冠。

例如，用户可以上傳一張蛋糕照片，然後通過簡單指令將巧克力味改成草莓味，同時保持形狀和擺放與參考圖一致。

還可以實時對圖片進行風格的修改，添加小元素，對比和原圖的效果。比如下面的例子，通過一張小貓的圖片，生成 “家居貓、公主貓、古惑仔貓”。

此外，還支持一鍵為簡筆畫上色，以及"畫面優化"功能，自動改進構圖、景深和光影效果。

實時繪畫板：專業設計師的生產力工具

除了實時文生圖，混元圖像 2.0 還提供了實時繪畫板功能。

基於模型的實時生圖能力，用户在繪製線稿或調整參數時，預覽區同步生成上色效果，突破了傳統 “繪製 - 等待 - 修改” 的線性流程，可助力專業設計師的創作。

實時繪畫板支持多圖融合，用户上傳多圖後，可將多個草圖疊加至同一畫布自由創作，經過 AI 自動協調透視與光影，按照提示詞內容生成融合圖像，進一步豐富了 AI 生圖的交互體驗。

這一功能特別適合有初步設計想法但缺乏專業繪畫能力的用户。

技術進步：五大關鍵突破

據科技媒體量子位分析，混元圖像 2.0 的背後是五項關鍵技術突破：

更大的模型尺寸：相比前代產品，參數量提升了一個數量級，顯著提高了性能上限。

超高壓縮倍率的圖像編解碼器：騰訊混元團隊自研編解碼器大幅降低了圖像編碼序列長度，同時通過對信息瓶頸層的優化和強化對抗訓練，保證了細節生成能力。

多模態大語言模型作為文本編碼器：區別於 CLIP、T5 等傳統架構的淺層語義解析，通過適配多模態大語言模型，顯著提升了語義匹配能力，在 GenEval 等客觀指標上超越同類產品。

全尺度多維度強化學習後訓練：基於"慢思考"獎勵模型，通過通用後訓練與美學後訓練，有效提升圖片生成的真實感。

自研對抗蒸餾方案：基於隱空間一致性模型，將去噪軌跡上的任意點直接映射到軌跡生成樣本，實現少步高質量生成。