Estamos emocionados de anunciar el lanzamiento y la apertura del código de HunyuanImage 3.0 — el modelo de texto a imagen de código abierto más grande y potente hasta la fecha, con más de 80 mil millones de parámetros en total, de los cuales 13 mil millones están activados por token durante la inferencia. El efecto es completamente comparable al modelo insignia de código cerrado de la industria.🚀🚀🚀 HunyuanImage 3.0 se origina de nuestro modelo de lenguaje multimodal nativo desarrollado internamente, con un ajuste fino y un post-entrenamiento enfocados en la generación de texto a imagen. Esta base única le da al modelo un poderoso conjunto de capacidades: ✅ Razonar con conocimiento del mundo ✅ Entender complejos prompts de mil palabras ✅ Generar texto preciso dentro de las imágenes Diferente de los modelos de generación de imágenes de arquitectura DiT tradicionales, la arquitectura MoE de HunyuanImage 3.0 utiliza un enfoque basado en Transfusión para acoplar profundamente el entrenamiento de Difusión y LLM en un solo sistema potente. Construido sobre Hunyuan-A13B, HunyuanImage 3.0 fue entrenado en un conjunto de datos masivo: 5 mil millones de pares de imagen-texto, fotogramas de video, datos de imagen-texto entrelazados y 6 billones de tokens de corpus de texto. Este entrenamiento híbrido a través de capacidades de generación multimodal, comprensión y LLM permite que el modelo integre múltiples tareas sin problemas. Ya seas un ilustrador, diseñador o creador, esto está diseñado para reducir tu flujo de trabajo de horas a minutos. HunyuanImage 3.0 puede generar texto intrincado, cómics detallados, emojis expresivos e ilustraciones animadas y atractivas para contenido educativo. La versión actual se centra únicamente en la generación de texto a imagen y las futuras actualizaciones incluirán generación de imagen a imagen, edición de imágenes, interacción de múltiples turnos y más. 👉🏻 Pruébalo ahora: 🔗 GitHub: 🤗 Hugging Face: