首个中文原生DiT架构 腾讯混元文生图大模型宣布全面开源

快科技今日（5月14日）消息，首个生图今日，中文腾讯旗下混元文生图大模型（混元DiT，原生元文源Diffusion Models with Transformers）宣布全面开源。构腾

目前已在Hugging Face、讯混型宣Github上发布，大模包含模型权重、布全推理代码、面开模型算法等完整模型，首个生图供企业与个人开发者免费商用。中文

据媒体报道，原生元文源腾讯混元文生图负责人卢清林表示，构腾混元DiT开源的讯混型宣价值有两方面。

一方面这是大模业内首个中文原生DiT架构，弥补了开源社区的布全空白，另一方面混元DiT为全面开放，与现网版本完全一致。

据介绍，此次开源的混元DiT采用了与Sora同样的背后关键技术——DiT架构，还支持256字中文理解，不仅支持文生图，也可作为视频等多模态视觉生成的基础。

腾讯方面表示，为了构建混元DiT设计了Transformer结构、文本编码器和位置编码，构建了完整的数据管道，用于更新和评估数据，为模型优化迭代提供帮助。

为了实现细粒度的文本理解，还训练了多模态大语言模型来优化图像的文本描述。

最终，混元DiT能够与用户进行多轮对话，根据上下文生成并完善图像。