智譜與華為聯(lián)合宣布開源最新圖像生成模型 GLM-Image，并登上 Hugging Face Trending 榜單，引發(fā)了業(yè)內(nèi)高度關(guān)注。背后最關(guān)鍵的三個詞是：開源、SOTA 性能、全棧國產(chǎn)。尤其是這一次，從數(shù)據(jù)預(yù)處理到大規(guī)模預(yù)訓(xùn)練，整個流程全部跑在華為昇騰 Atlas 800T A2 芯片和昇思 MindSpore 框架之上——在高性能算力長期被海外廠商壟斷的背景下，這是國內(nèi)團(tuán)隊(duì)首次用“純國產(chǎn)”算力訓(xùn)練出站在世界前沿的多模態(tài) SOTA 模型，具有標(biāo)志性意義。
一、“自回歸 + 擴(kuò)散解碼器”：面向“認(rèn)知型生成”的新路線
跟很多只是照著 Stable Diffusion、Flux 路線“再做一遍”的模型不同，GLM-Image 瞄準(zhǔn)的是新一代“認(rèn)知型生成”范式，在架構(gòu)上走了一條新路：自回歸主干 + 擴(kuò)散解碼器的混合結(jié)構(gòu)。
官方給出的設(shè)計思路大致可以概括為：
9B 自回歸模型
負(fù)責(zé)整體語義理解和畫面全局構(gòu)圖，類似“腦子”和“導(dǎo)演”：
理解長文本提示里的邏輯關(guān)系
把場景、角色、布局等信息串起來
確保生成結(jié)果在內(nèi)容層面“說得通”
7B 擴(kuò)散解碼器
專注高頻細(xì)節(jié)和像素級表現(xiàn)，類似“攝影師”和“美術(shù)”：
細(xì)化紋理、光影、材質(zhì)等細(xì)節(jié)
尤其強(qiáng)化文字筆畫等“硬指標(biāo)”細(xì)節(jié)
這種分工，讓 GLM-Image 同時兼顧了整體一致性和局部精細(xì)度，在權(quán)威評測上拿到了非常亮眼的成績：
CVTG-2K（復(fù)雜視覺文字生成）
文字準(zhǔn)確率：0.9116
歸一化編輯距離（NED）：0.9557
兩項(xiàng)指標(biāo)均位列第一。
LongText-Bench（長文本渲染）
中文得分：0.979
英文得分：0.952
在開源模型中處于榜首位置。
從智譜公開的樣例可以看到，GLM-Image 在以下幾類內(nèi)容上表現(xiàn)尤其突出：
帶有流程邏輯的科普類插畫（如步驟分解、結(jié)構(gòu)講解）
社交媒體風(fēng)格濃厚的圖文排版（如小紅書封面風(fēng)格）
商業(yè)海報、人像、游戲原畫偏向的風(fēng)格化作品
實(shí)際體驗(yàn)來看，GLM-Image 的整體畫風(fēng)統(tǒng)一度較高，對“邏輯清晰、內(nèi)容解釋性強(qiáng)”的科普場景比較友好。不過，目前在極端復(fù)雜的文字生成場景下，個別字詞仍會出現(xiàn)偏差，這一點(diǎn)在行業(yè)內(nèi)也仍是普遍難題。
二、多模型對比：同一條提示詞，不同“審美取向”
當(dāng)前圖像生成賽道競爭異常激烈。谷歌依托 Gemini 生態(tài)推出的 Nano Banana Pro，以“企業(yè)級畫質(zhì)”和強(qiáng)大的文圖協(xié)同力，成為閉源方向的代表；國內(nèi)則有阿里通義萬相、字節(jié)旗下的即夢等不斷迭代產(chǎn)品。
以“三國赤壁之戰(zhàn)”為題，用同一條中文長提示詞分別喂給幾款常見模型，可以看到非常明顯的風(fēng)格差異（提示詞略）：
GLM-Image
整體呈現(xiàn)偏漫畫/游戲原畫風(fēng)格
色彩飽和度高、線條清晰
場景構(gòu)圖相對規(guī)整，故事感強(qiáng)
Nano Banana
強(qiáng)項(xiàng)在于光影與動態(tài)細(xì)節(jié)
如火焰形態(tài)、水面反射、衣袍飄動、煙霧氛圍等都刻畫得非常細(xì)膩
畫面質(zhì)感更接近電影視覺特效
ChatGPT 圖像能力
擅長處理復(fù)雜、多主體的大場景
物體之間的關(guān)系更協(xié)調(diào)，戰(zhàn)爭“史詩感”更明顯
在敘事層面更有“全局導(dǎo)演感”
即夢
在中文語境中，明顯更注重歷史文化細(xì)節(jié)與中國美學(xué)
比如古代戰(zhàn)船結(jié)構(gòu)、旗幟樣式、服飾紋樣，會更貼近史料與傳統(tǒng)審美
從這些對比中可以看到，各家模型在“畫面精美度”上都已經(jīng)來到相對接近的水平，下一階段的競爭，很大程度上會轉(zhuǎn)向：
文字渲染的穩(wěn)定性與準(zhǔn)確率
對復(fù)雜知識、場景邏輯的理解與表達(dá)能力
這也意味著，像海報設(shè)計、PPT 插圖、長圖科普、流程講解等知識密集型場景，將越來越多地被多模態(tài)大模型“接管”。
三、從“能畫”到“能懂”：昇騰 A2 + MindSpore 的全棧國產(chǎn)實(shí)踐
智譜認(rèn)為，以 Nano Banana Pro 為代表的新一代閉源圖像模型正在推動“圖像生成 + 大語言模型”的深度融合，技術(shù)范式也在從“單一圖像生成”升級為具備世界知識和推理能力的“認(rèn)知型生成”。
在這個演進(jìn)路徑中，GLM-Image 的架構(gòu)創(chuàng)新是“上層邏輯”，而華為昇騰 + 昇思 MindSpore 則是讓這一邏輯落地的算力底座。
在當(dāng)前高性能 GPU 供給緊張、價格高企、出口受限的現(xiàn)實(shí)環(huán)境下，想要訓(xùn)練一個數(shù)十億參數(shù)、支持 2048×2048 高分辨率輸出的多模態(tài) SOTA 模型，對以下幾個方面的要求都極高：
集群算力穩(wěn)定性與擴(kuò)展性
高帶寬通信能力
訓(xùn)練效率與能效比
大規(guī)模任務(wù)的調(diào)度與容錯能力
傳統(tǒng)觀點(diǎn)往往默認(rèn)：只有大規(guī)模英偉達(dá) GPU 集群才能勝任這類任務(wù)。但智譜與華為的協(xié)作給出了一個實(shí)證案例：國產(chǎn)芯片不僅能“跑推理”，也可以支撐最前沿的大規(guī)模端到端訓(xùn)練。
公開信息顯示，GLM-Image 的全生命周期訓(xùn)練都落在 Ascend A2 集群上完成，包括：
海量圖文數(shù)據(jù)的預(yù)處理
大規(guī)模預(yù)訓(xùn)練
監(jiān)督微調(diào)（SFT）
強(qiáng)化學(xué)習(xí)后訓(xùn)練（RL）
為把昇騰 NPU 的潛力“榨干”，智譜與華為圍繞昇思 MindSpore 做了不少底層改造和優(yōu)化，例如：
動態(tài)圖多級流水下發(fā)
將 Host 側(cè)算子下發(fā)階段拆解并流水化處理，關(guān)鍵步驟高度重疊，減少下發(fā)瓶頸，提升整體訓(xùn)練吞吐。
多流并行執(zhí)行
針對文本梯度同步、圖像特征廣播等易形成“通信墻”的環(huán)節(jié)，進(jìn)行多流并行設(shè)計，盡量壓縮等待時間，拉高有效算力利用率。
昇騰親和融合算子
使用如 AdamW EMA、COC 等適配昇騰 NPU 的高性能算子，提高訓(xùn)練穩(wěn)定性與性能。
在圖像生成的“可用性”方面，GLM-Image 也做了面向?qū)嶋H業(yè)務(wù)場景的改造。傳統(tǒng)模型在生成非正方形圖像時，通常需要后期裁剪或重繪，以適配各種封面、橫幅比例，難免出現(xiàn)內(nèi)容被切掉或變形的問題。GLM-Image 通過改進(jìn) Tokenizer 策略，原生支持在 1024×1024 至 2048×2048 范圍內(nèi)的任意比例輸出，可以直接產(chǎn)出小紅書封面、電影海報橫幅等尺寸，減少乃至免除二次處理，提升生產(chǎn)效率。
更值得一提的是，GLM-Image 是首個開源的工業(yè)級離散自回歸圖像生成模型。與閉源的 Nano Banana Pro 相比，它在部分指標(biāo)上已經(jīng)可以對標(biāo)甚至局部超越，同時又向全球開發(fā)者開放了完整的技術(shù)路徑，為后續(xù)相關(guān)研究提供了可以復(fù)現(xiàn)、可以疊代的“工程級”基線。
四、價格拉到“白菜價”，國產(chǎn) AI 走到分水嶺
在應(yīng)用端，智譜給出的 API 定價也頗具沖擊力：調(diào)用接口生成一張圖片的成本大約在 0.1 元左右。這基本把高質(zhì)量 AI 生圖的門檻壓縮到了普通個人和中小團(tuán)隊(duì)都可以輕松承受的區(qū)間：
中小企業(yè)可以低成本搭建自己的視覺內(nèi)容生產(chǎn)線
獨(dú)立開發(fā)者可以把圖像能力嵌進(jìn)小程序、工具網(wǎng)站、SaaS 服務(wù)
內(nèi)容創(chuàng)作者也能把海報、插圖、長圖科普等環(huán)節(jié)交給模型完成初版，再自己做微調(diào)
與此同時，通過開源，GLM-Image 也為學(xué)術(shù)界、工業(yè)界提供了一套完整可復(fù)現(xiàn)的技術(shù)路線，有利于圍繞“認(rèn)知型生成”開展更多創(chuàng)新實(shí)驗(yàn)與產(chǎn)業(yè)化探索。
更重要的是，GLM-Image 的真正“里程碑”意義，并不只在于它又多拿了幾項(xiàng) SOTA，而在于：
這是首個在國產(chǎn)芯片上完成全流程訓(xùn)練的 SOTA 級多模態(tài)生成模型。
換句話說，在大模型時代最關(guān)鍵的底層要素——算力+框架+模型三件套中，國內(nèi)終于拿出了一次完整、自主可控又能對標(biāo)世界一流的實(shí)踐案例。這一點(diǎn)，很可能會被視為國產(chǎn) AI 進(jìn)入新階段的“分水嶺時刻”。
從智譜的總結(jié)也能看出這種意味：
GLM-Image 已經(jīng)不僅是一款獨(dú)立的圖像生成產(chǎn)品，更是一套用國產(chǎn)全棧算力訓(xùn)練世界級多模態(tài)模型的“樣板工程”，它證明了這條路是走得通的——而接下來，才是真正的競賽起點(diǎn)。
