近日，智譜（02513.HK）正式對(duì)外發(fā)布其圖像生成模型GLM-Image，標(biāo)志著該公司在認(rèn)知型生成技術(shù)領(lǐng)域邁出重要一步。這款模型采用自回歸與擴(kuò)散解碼器相結(jié)合的混合架構(gòu)，成為首個(gè)開(kāi)源的工業(yè)級(jí)離散自回歸圖像生成模型，為行業(yè)提供了新的技術(shù)范式參考。

GLM-Image的研發(fā)得到昇騰NPU與昇思MindSpore AI框架的全面支持。從數(shù)據(jù)處理到模型訓(xùn)練的全流程中，昇騰團(tuán)隊(duì)針對(duì)性地提出多項(xiàng)性能優(yōu)化方案，包括動(dòng)態(tài)圖多級(jí)流水下發(fā)、多流并行執(zhí)行以及高性能融合算子等技術(shù)，有效降低了大規(guī)模文字與圖像數(shù)據(jù)訓(xùn)練時(shí)的內(nèi)存開(kāi)銷(xiāo)，顯著提升了端到端訓(xùn)練效率。這些創(chuàng)新使得GLM-Image成為首個(gè)完全基于國(guó)產(chǎn)算力底座訓(xùn)練的SOTA（State-of-the-Art）模型。

在文字渲染領(lǐng)域，GLM-Image系列模型展現(xiàn)出強(qiáng)勁實(shí)力。通過(guò)混合架構(gòu)設(shè)計(jì)，該模型在權(quán)威評(píng)測(cè)榜單中達(dá)到開(kāi)源模型中的領(lǐng)先水平。面對(duì)海量圖文數(shù)據(jù)的處理需求，研發(fā)團(tuán)隊(duì)通過(guò)優(yōu)化數(shù)據(jù)處理流程、預(yù)訓(xùn)練策略、監(jiān)督微調(diào)（SFT）及強(qiáng)化學(xué)習(xí)（RL）等環(huán)節(jié)，構(gòu)建起覆蓋全訓(xùn)練周期的高效技術(shù)體系，為模型性能突破提供了關(guān)鍵支撐。

作為認(rèn)知型生成技術(shù)的重要探索，GLM-Image的開(kāi)源將推動(dòng)圖像生成領(lǐng)域的技術(shù)普惠。其混合架構(gòu)設(shè)計(jì)不僅為學(xué)術(shù)研究提供了新思路，也為工業(yè)級(jí)應(yīng)用場(chǎng)景落地奠定了技術(shù)基礎(chǔ)。隨著國(guó)產(chǎn)算力生態(tài)的持續(xù)完善，此類(lèi)創(chuàng)新模型的研發(fā)效率與應(yīng)用潛力有望進(jìn)一步釋放。