由智谱 AI 与华为联合研发的多模态图像生成模型GLM-Image已正式开源并上线模力方舟。凭借领先的混合架构设计与强大的指令理解能力，GLM-Image一经发布便登顶多项榜单，打破了长期以来海外模型在开源图像生成领域的垄断格局。

更具标志性意义的是：GLM-Image 是首个在国产芯片上完成全流程训练的 SOTA 多模态模型，在技术突破之外，也代表了国产 AI 生态迈入自主可控新阶段，访问链接即可在线体验：

https://moark.com/serverless-api?model=GLM-Image

全流程国产算力训练，打破「卡脖子」依赖

GLM-Image 从数据预处理到大规模预训练，全程运行在华为昇腾 Atlas 800T A2 芯片与昇思 MindSpore 框架上，实现了真正意义上的国产全栈 AI 训练。

这不仅验证了昇腾芯片在复杂图像生成任务上的能力，也证明了国产软硬件组合具备支撑千亿级模型训练的工程能力。

除了GLM-Image部署在模力方舟的昇腾 Ascend 910上外，模力方舟算力市场也已全面接入昇腾算力资源，开发者可即刻在线调用 MindSpore 兼容镜像，测试部署多个国产模型。

支持图文生成、图像编辑与风格迁移

GLM-Image 不仅支持高质量的文本生成图像（Text-to-Image），还提供多个增强能力，适用于更广泛的生成场景：

• 图像编辑：基于参考图像内容进行局部修改，保留高频细节；
• 风格迁移：在保持人物身份一致的同时，改变画风、背景或姿态；
• 多图一致性生成：适用于角色设定、IP 创作等需要连贯视觉表达的任务。

这些能力让 GLM-Image 不仅是一个文本到图像的模型，更是一个具备视觉理解和表达能力的多模态生成引擎。

混合架构设计，更懂中文的图像生成

在架构设计上，GLM-Image并未照搬国外主流路线，而是创新性地采用「自回归 + 扩散解码」的混合架构：

• 自回归部分：基于 GLM-4-9B-0414，负责理解文本、解析复杂指令，并生成语义 token；
• 扩散解码器：借鉴 CogView4 设计，基于单流 DiT 架构，精细还原图像细节并增强现实感。

这种分工协作机制，使模型在两个维度都表现出色：

• 语义理解：能精准生成带知识密度的图像（如商业海报、科普插画）；
• 细节表现：具备高保真、强一致性的图像渲染能力，尤其在中文文字绘制上表现优异。

过去生成中文字常出现错别字、乱码问题，GLM-Image则通过 Glyph-byT5 轻量字符编码模型和专门的 OCR 奖励优化，首次在开源模型中实现了较高的中文文本还原率。

后训练强化优化，兼顾美学与可控性

在训练后期，GLM-Image 采用了解耦式的强化学习方案，分别优化自回归与扩散模块：

• 自回归模块：聚焦语义对齐与美学评分，提升指令遵循与艺术表现；
• 扩散模块：聚焦细节还原与文本精度，通过 LPIPS、OCR 等指标进一步增强图像质量。

这使得模型生成结果不仅画得对，也画得美。

即刻在线试用：在模力方舟体验国产高质量图像生成

GLM-Image模型现已接入模力方舟平台昇腾算力，支持通过 API 或在线页面调用，欢迎开发者前往体验：

https://moark.com/serverless-api?model=GLM-Image