智譜宣佈聯合華為開源新一代圖像生成模型GLM-Image，模型基於昇騰Atlas 800T A2設備和昇思MindSpore AI框架完成從數據到訓練的全流程，是首個在國產芯片上完成全程訓練的SOTA多模態模型。

根據介紹，GLM-Image採用自主創新的「自迴歸+擴散解碼器」混合架構，實現了圖像生成與語言模型的聯合，是我們面向以Nano Banana Pro為代表的新一代「認知型生成」技術範式的一次重要探索。

核心亮點如下：

• 架構革新，面向「認知型生成」的技術探索：採用創新的「自迴歸 + 擴散編碼器」混合架構，兼顧全局指令理解與局部細節刻畫，克服了海報、PPT、科普圖等知識密集型場景生成難題，向探索以Nano Banana Pro為代表的新一代“知識+推理”的認知型生成模型邁出了重要一步。
• 首個在國產芯片完成全程訓練的SOTA模型：模型自迴歸結構基座基於昇騰Atlas 800T A2設備與昇思MindSpore AI框架，完成了從數據預處理到大規模訓練的全流程構建，驗證了在國產全棧算力底座上訓練前沿模型的可行性。
• 文字渲染開源SOTA：在CVTG-2K（複雜視覺文本生成）和LongText-Bench（長文本渲染）榜單獲得開源第一，尤其擅長漢字生成任務。
• 高性價比與速度優化：API調用模式下，生成一張圖片僅需0.1元，速度優化版本即將更新。

評測結果顯示，GLM-Image在文字渲染的權威榜單中達到開源SOTA水平。

• CVTG-2K（複雜視覺文字生成）榜單核心考察模型在圖像中同時生成多處文字的準確性。在多區域文字生成準確率上，GLM-Image憑藉0.9116的Word Accuracy（文字準確率）成績，位列開源模型第一。在NED（歸一化編輯距離）指標上，GLM-Image同樣以0.9557領先，表明其生成的文字與目標文字高度一致，錯字、漏字情況更少。
• LongText-Bench（長文本渲染）榜單考察模型渲染長文本、多行文字的準確性，覆蓋招牌、海報、PPT、對話框等8種文字密集場景，並分設中英雙語測試，GLM-Image以英文0.952、中文0.979的成績位列開源模型第一。