腾讯开源最新图像模型！能生成2K图、中文渲染，还可以自动润色提示词

资讯配图

在开源模型中，图文一致性排名第一。

作者 | 江宇

编辑 | 漠影

智东西AI前瞻9月10日报道，前日，腾讯开源其高分辨率文生图模型HunyuanImage-2.1，并同步释出推理代码和模型权重。

作为一款具备2K超高清生成能力的扩散模型，HunyuanImage-2.1在架构设计、文本理解、多语种支持、推理效率等多个层面进行了系统性优化。

它不仅支持中文和英文的复杂描述，还能自动润色提示词、提升图像语义对齐质量，同时具备图像精修能力。

HunyuanImage-2.1已在GitHub上线，并开放了三项核心功能：文本生成图像、提示词增强与图像精修。用户也可以自由选择画幅比例与推理参数，也可选用“增强提示词”“图像精修”等附加选项，以生成更高质量的图像内容。

目前，混元官网仅支持文生图功能，提示词增强与图像精修暂未上线。

体验指路：

混元官网：

https://hunyuan.tencent.com/modelSquare/home/play?modelId=286&from=/visual

Github：

https://github.com/Tencent-Hunyuan/HunyuanImage-2.1

Huggingface：

https://huggingface.co/tencent/HunyuanImage-2.1

01.

三大功能支持2K出图，可控性更强

在GItHub的体验页面中，用户可以使用HunyuanImage-2.1完成以下三类任务：

1、文本生成图像：输入中英文提示词，生成最高可达2048×2048分辨率的图像，支持16:9、4:3、1:1等多种画幅比例；

2、提示词增强：自动对用户输入的提示词进行语义润色与扩写，强化描述细节，提高成图质量；

3、图像精修：上传已有图片并输入修改要求，由精修模型对画面清晰度、细节层次进行再提升。

在基础设定中，用户可手动调节推理步数（默认50步）、提示词引导强度（默认3.5），并选择是否开启自动提示词增强（Reprompt）与精修（Refiner）。若显存充足，可关闭CPU offloading，提升生成速度。

02.

体验：

中文渲染在线

提示词增强和图片精修都能跑通

智东西也上手体验了一番。

1、文生图

体验场景1：家长群里老师临时通知“明天带一张手抄报，主题为《中秋赏月》。

提示词：中秋主题A4手抄报线稿，白底，粗黑描边，画面分三栏：左上角圆月+玉兔简笔画，右下角卡通嫦娥+月饼，底部留白写古诗，中间一排空心艺术字标题“中秋团圆”，整体简洁可爱，适合儿童涂色，无阴影、无填充色。

混元生成的画面干净、布局合理，也没有多余的渲染，直接打印后可作为涂色底稿使用，一键解决爸妈的“作业焦虑”。

2、提示词增强

体验场景2：电商公司要做“双11预热海报”，只会写一句大白话：“热闹购物节氛围”。

提示词：双11预热海报。

增强后的提示词：一张充满动感的“双11”双十一购物狂欢日预热海报，画面中央聚焦于一个巨大的、发光的“11”数字。这个巨大的“1”数字由明亮的霓虹灯光效构成，呈现出从亮红色到电光蓝的渐变色彩，数字边缘带有柔和的光晕，具有强烈的科技感和视觉冲击力。在“1”字的正下方，是一行醒目的白色加粗艺术字体，内容为“双11”。数字的周围和背景中，分布着大量被动态模糊和数据流线条勾勒出的购物小哥剪影，他们有的高举手机，似乎在抢购，有的在浏览商品，姿态各异，充满了活力。背景是一个深邃的暗色空间，点缀着微小的、闪烁的星光或数据粒子，增强了画面的数字感。画面的底部区域，放置了一个虚拟的购物车图标和价格标签的样式，上面用醒目的红色字体写着“全场5折起”，并附有一个虚构但精致的电子产品或潮流服饰的特写图片。整体光线集中在中央的“1”字和周围的特效上，形成强烈的视觉焦点，营造出一种紧张、刺激且极具期待感的氛围。这张图片是一张融合了3D渲染、抽象设计和商业摄影元素的数字艺术作品，属于典型的电商大促宣传海报。

▲增强后指令所生成的海报

生成的图像还原了增强提示词中的元素布局，灯光、人物、数字感都有体现，整体画面比较完整，氛围也足够热闹。

3、照片精修

体验场景3：把“旅游打卡废片”秒变“小红书封面”。

提示词：矫正水平线，恢复洪崖洞金黄灯光细节，压高光提阴影，去掉江面彩色噪点，强化吊脚楼木质纹理，保留现场烟火气。

▲参考图

▲精修后的图片

处理后的照片确实清晰了一些，灯光颜色恢复得比较自然，远处楼体细节也比原图更清楚。

03.

架构亮点

压缩VAE、双语编码器

与人类反馈强化训练

HunyuanImage-2.1的模型架构采用了“两阶段生成策略”，即：基础文生图模型+精修模型。其中，基础模型专注于语义理解与图像生成，精修模型则负责细节增强与瑕疵修复。

核心技术亮点包括：

1、高压缩率VAE+DiT主干网络：通过32×空间压缩率的VAE，大幅降低输入Token数量，使得生成2K图像的Token规模与他人1K图像相当，显著提升推理效率。

2、双文本编码器：同时引入视觉语言大模型（MLLM）与多语种字符级ByT5编码器，分别处理场景理解与文字表达，确保多语言支持下的高质量图像生成。

3、双流扩散Transformer结构：构建17B参数规模的大模型，在处理复杂构图与多主体任务时具备更强表征能力。

4、人类反馈强化学习（RLHF）：训练过程中使用两阶段后训练策略（SFT+RL），结合“高质量图像选优样本”与“奖励分布对齐机制”，优化生成图像的结构完整性与美学表现。

5、PromptEnhancer重写模型：该模块通过结构性重写用户输入的提示词，以增强描述信息的完整度与图像生成的语义贴合度。其训练过程中引入了AlignEvaluator对图文语义一致性进行精细化评分。

其核心机制是以“思维链式改写（Chain-of-Thought Rewriting）”为策略，通过两阶段训练流程完成提示词优化：

第一阶段：通过监督微调（SFT），对海量用户提示词与增强后Prompt对进行结构学习；

第二阶段：引入基于奖励的策略优化（GRPO），由“AlignEvaluator”对生成图像与提示词之间的语义一致性进行24项细粒度评估，进而反馈回提示词改写策略，完成高质量回写。

该机制可显著提升提示词对复杂属性、否定结构、组合关系的表达准确性。例如，一条简单提示“汤姆猫在画画”，在PromptEnhancer处理后会被自动扩写为“身穿红色围裙的汤姆猫，在写实画风的油画布前，手持毛笔作画”，从而生成更具意图还原度的图像。

6、Meanflow蒸馏推理：为解决工业级大模型推理速度慢的问题，HunyuanImage-2.1首次将Meanflow成功用于大模型蒸馏，在少量采样步骤下仍可保持图像质量，提升推理效率。

此外，在数据构建上，HunyuanImage引入了结构化分层Caption机制（短/中/长/超长）与OCR Agent+IP RAG组合策略，显著增强了模型理解密集文本与世界知识描述的能力。

使用HunyuanImage-2.1进行本地部署时，最低需配备支持CUDA的NVIDIA GPU，显存不少于59GB（生成2048×2048图像时，batch size=1）。当前仅支持Linux系统。上述显存要求基于启用模型CPU卸载（offloading）时的测得值，若设备内存充足，也可关闭卸载以获得更快的推理速度。

同时，腾讯团队已确认将逐步开源PromptEnhancer-7B版本，包括更大规模的提示词改写模型、奖励模型AlignEvaluator、数据集与评测基准。同时，针对图生图、文生视频、图生视频等多模态任务的PromptEnhancer系列亦在开发中，即将推出。

04.

评测对比：

在开源模型中图文一致性排名第一，

逼近闭源商业模型表现

在多个维度的标准化评测中，HunyuanImage-2.1展现出强劲性能，尤其在图文语义对齐方面已达到开源模型的领先水平，整体表现接近GPT-Image、Seedream-3.0等闭源商业模型。

根据SSAE（Structured Semantic Alignment Evaluation）结构化语义对齐评测，研究团队基于12个类别、3500个语义关键点构建了自动化评估框架，分别评测了包括主主体、次主体、场景构成与图像风格在内的24项细分能力。

从结果来看，HunyuanImage-2.1在Mean Image Accuracy（0.8888）与Global Accuracy（0.8832）指标上，超越了所有开源模型，在主客体识别、动作理解、图像构图等多个子维度也取得领先或持平表现：

1、在“主主体识别”类维度中，HunyuanImage-2.1在名词（0.9339）、关键属性（0.9341）上接近Seedream-3.0；

2、在“次主体表达”维度，其在名词（0.9627）和动作（0.9615）上的准确率接近GPT-Image（0.9494，0.8800）；

3、在“场景控制”中，其对镜头（0.7527）、风格（0.8689）和构图（0.7619）的把握能力与主流闭源模型接近。

此外，在由100位专业标注员参与的GSB人评中，HunyuanImage-2.1在单轮推理、随机提示词设定下，对比Seedream-3.0（闭源）略逊1.36%，但在与Qwen-Image（开源）对比中胜出2.89%。这一结果表明，在不依赖样本筛选的实用生成场景中，HunyuanImage-2.1已具备高可用性和广泛适配性。

05.

结语：高分辨率中文出图

开源模型也能胜任了

HunyuanImage-2.1让中文场景下的高分辨率图像生成更易获取，也把提示词增强和精修做了同步精进。

作为开源成果，它或许能成为国内更多应用探索的起点。