国产首个多模态图像生成模型GLM-Image开源登顶Hugging Face

1月14日，智谱宣布联合华为推出新一代图像生成模型GLM-Image，并全面开源。该模型基于昇腾Atlas 800T A2硬件平台与昇思MindSpore AI框架，实现了从数据处理到模型训练的全链条自主化，成为首个在国产芯片上完成端到端训练并达到SOTA水平的多模态生成模型。

开源发布不到一天，GLM-Image便迅速登上全球AI开源社区Hugging Face Trending榜单首位，创下国产技术栈训练模型在国际开源平台首次登顶的纪录。

据项目团队介绍，GLM-Image旨在推动生成式AI在全流程层面的技术创新，是GLM团队面向以Nano Banana Pro为代表的新一代“认知型生成”技术路径的重要实践探索。

在架构设计方面，GLM-Image未采用主流的LDM方案，而是引入“自回归+扩散解码器”的混合结构，在保持与主流方法对齐的同时，进一步验证了其在知识密集型任务中的生成优势。

在训练体系上，模型依托昇腾Atlas 800T A2设备和昇思MindSpore框架完成了全部训练与推理适配过程，实际运算效率接近硬件理论性能上限，充分证明了国产算力基础设施具备支撑前沿AI模型研发的能力。

在实际表现方面，GLM-Image在CVTG-2K（复杂视觉文本生成）和LongText-Bench（长文本图像渲染）两大权威评测中均位列开源模型第一，具备准确理解指令、正确呈现文本内容的能力，尤其在汉字生成方面表现出显著优势，可广泛应用于知识图示、宣传物料、教学课件等需要高信息密度表达的场景。

相关开源资源已对外发布，感兴趣的开发者可通过以下平台获取：

GitHub地址：https://github.com/zai-org/GLM-Image

Hugging Face地址：https://huggingface.co/zai-org/GLM-Image