腾讯混元3.0图生图模型：自研算法，一句话即出P图

1月26日，腾讯混元宣布，旗下混元图像3.0图生图（HunyuanImage+3.0-Instruct）模型正式发布，该模型新增了图片编辑与多图融合等实用功能。

该模型已在内容创作平台同步上线。用户可借助这一强大工具，轻松完成表情包制作、虚拟人物合拍、社交内容分享、电商海报设计、游戏角色定制、创意图片生成等一系列创作任务。

据悉，混元图像3.0图生图模型总参数量达800亿，采用了混合专家（MoE）架构，基于混元图像3.0的原生多模态架构基础模型构建，并引入了图生图任务所需的多样化训练数据。

通过指令微调和后训练技术，模型得以实现对用户输入图片和编辑指令的深度解析与处理。

混元图像3.0图生图模型在指令遵循方面表现出色，生成的图片一致性高、真实感强、情感表现力佳，图片生成速度也得到了显著提升。

模型收到用户输入的图片和提示词后，会先深入理解图像内容本身，再结合用户的文字指令进行推理。

模型会推理出需要进行编辑的具体区域、详尽的操作步骤，以及需要保留的图像部分，从而形成一套更为精细的编辑指令，最终输出令人满意的图片效果。

据了解，混元图像3.0图生图支持多样化的图片编辑与多图融合能力，例如图片元素的增、删、改、风格变换、老照片修复、人物与文字的修改等。此外，还能将多张照片中的人物或元素提取出来，合成新的合影或生成全新图片。

在数据层面，混元团队通过挖掘图像、视频原始数据并结合专家网络合成的方式，构建了千万量级的图生图数据集，覆盖超过80项任务，并在持续训练阶段注入这些数据，使得模型掌握了基础的编辑功能。

同时，混元团队进一步为图生图数据构造了思维链，让模型学会先分析用户图像和意图，输出更加详细的编辑指令，从而提升最终编辑效果。

在后期训练阶段，混元图像3.0图生图采用了自研的MixGRPO算法，结合奖励模型进行多轮迭代，高效对齐用户偏好，大幅提升了模型对指令的响应准确度，以及非编辑区域内容的一致性。