腾讯发布 WeLM-Image：31.7B 参数单卡部署，1024 图 5 秒生成
Crazy-Repeat-2006 · reddit · 2026-11-08
腾讯与微信团队发布统一图像基础模型 WeLM-Image 论文，将多模态理解整合进文生图、指令编辑与多参考图合成，专为微信大规模消费级应用的单 GPU 部署设计。
架构要点
- Mixture-of-Transformers（MoT）骨干：共享注意力 + 独立的理解/生成参数，降低优化干扰；每条路径配 MoE 模块，总存储参数 31.7B，每个目标 latent token 激活约 5.4B
- 文本、参考图与目标 latent 作为单一交错序列处理，原生支持 1.5K 分辨率渐进训练
- 数据引擎结合知识增强视觉词表与大规模视觉聚类，配双语标注与经校验的编辑监督
训练与成绩
- 生成与编辑分别用 rubric/checklist 奖励优化，再经噪声感知 on-policy 蒸馏合并
- 1536 分辨率版在 PRISM-Bench、Qwen-Image-Bench、UnicBench 上位列开源模型第一
- MeanFlow 少步蒸馏的 Turbo 版在单张 H20 上 8 步无 guidance 生成 1024×1024 仅 4.98 秒
所属事件:腾讯微信团队发布 31.7B 统一图像模型 WeLM-Image(2 条相关)→
「多模态」频道最新
- anabology 悬赏办 Claudia AI 歌手 MV 大赛，马斯克转发围观 — elonmusk · 2026-11-08
- Midjourney 风格分享:黄眼玩偶面罩 --sref 2957596189 — tisch_eins · 2026-11-08
- Reddit 用户吐槽 Flux 3 Klein 优于 Moss，但社区要的其实是无审查 — Friendly-Fig-6015 · 2026-11-08
- ComfyUI Wiki 上线模型更新新闻页,追踪发布动态 — dtdisapointingresult · 2026-11-08
- 开源 DAW SoundCraft 内置 YuE2 歌曲生成:歌词、MIDI、分轨直接进工程 — Vivid_Promise1700 · 2026-11-08
- IV Studio 1.0 发布:开源 AI 影视工作台登陆 Linux/Mac,内置 154 个 MCP 工具 — itsVariance · 2026-11-08