微信团队发布统一图像模型WeLM-Image，31.7B参数单卡可跑
Canmiao Fu · hf · 2026-11-06
微信 Vision 团队发布统一图像基础模型 WeLM-Image 技术报告，将多模态理解融入文生图、指令编辑与多参考图合成：
- 采用 Mixture-of-Transformers（MoT）骨干，共享注意力+独立的理解/生成参数以减少优化干扰；每条路径配 MoE 模块，存储参数 31.7B，每目标 latent token 激活约 5.4B。
- 生成导向数据引擎结合知识接地视觉词表与大规模视觉聚类；双语标注与验证过的编辑监督支持原生 1.5K 分辨率渐进训练。
- 用 rubric/checklist 奖励分别优化生成与编辑，再通过噪声感知 on-policy 蒸馏整合。
- 1536 分辨率版本在 PRISM-Bench、Qwen-Image-Bench、UnicBench 上位列参与评测的开源模型第一。
- 基于 MeanFlow 少步蒸馏的 WeLM-Image-Turbo：单张 NVIDIA H20 上 8 步无引导生成 1024×1024 图像仅需 4.98 秒，为微信大规模消费级应用的单一 GPU 部署而设计。
「多模态」频道最新
- Voyager 降价抢市：Seedance 2.5 视频生成半价、省 2-3 倍 API 调用 — Tegadesigns · 2026-11-06
- 作者补料:AI 足球长镜头经 Astra 2 + Topaz 增强至 4K 60FPS HDR — umesh_ai · 2026-11-06
- 用 Claude + MiniMax H3 在 8GB 显卡上 2.5 天动画化 15 页 Goofy 漫画 — Oleksandr_G · 2026-11-06
- MOSS-Image 亚洲人物 LoRA 训练全参数公开:AI-Toolkit 配方与踩坑记录 — Fideltampan12345 · 2026-11-06
- 一条长镜头拍完进球全程:博主用 AI 视频复刻足球运镜 — umesh_ai · 2026-11-06
- 用 Claude 指挥 ComfyUI 自动生成视频片段，实测一个月推荐 — Extraaltodeus · 2026-11-06