5 月 16 日，腾讯推出了其新一代图像生成模型——混元图像 2.0（Hunyuan Image 2.0），号称将图像生成速度提升至 " 毫秒级 "。
何谓 " 毫秒级 "？答案可能令人大吃一惊：当用户在输入提示词的同时，即可看到图像的实时变化，所见即所得。
腾讯表示，得益于超高压缩倍率的图像编解码器以及全新扩散架构，该模型参数量提升了一个数量级，实现了毫秒级响应速度，改变了传统 " 抽卡—等待—抽卡 " 的方式，带来交互体验革新。
混元图像 2.0 不仅实现了 " 边说边画 " 的实时互动，还在模型架构和生成质量上实现了全面飞跃。在 GenEval 基准测试中，混元图像 2.0 模型的准确率超过 95%，远超其他同类模型，证明了其在复杂文本指令理解与生成方面的卓越能力。
交互革新：" 边打字边出图 " 的新范式
实际测试显示，混元图像 2.0 能够实现 " 一边打字一边出图 " 的完全实时反馈，用户输入提示词的过程中，画面会随着文字变化而实时调整。
例如输入 " 人像摄影，爱因斯坦，背景是东方明珠电视塔，自拍角度 "，系统能够实时生成符合描述的图像，并在每个新元素添加时立即更新画面。
超写实画质：真实感与细节的完美结合
除了速度，混元图像 2.0 在图像质量上也取得了显著提升。
通过强化学习等算法以及引入大量人类美学知识对齐，生成的图像有效避免了 AIGC 图像的 "AI 味 "，呈现出更真实的质感和更丰富的细节。
GenEval 评估基准测试显示，腾讯混元图像 2.0 模型准确率超过 95%，远超同类模型。 这种高保真度的图像生成能力，对需要高质量素材的行业（如广告、设计等）有着巨大的吸引力。
图像二次编辑：图生图的强大功能
混元图像 2.0 不仅支持文字生成图像，还提供了强大的 " 图生图 " 功能。可提取参考图的主体或轮廓特征，对现有图像进行二次编辑。
这种能力极大地拓展了该模型的使用场景， 从给宠物生成个性化照片到专业的设计创作，用户都能轻松驾驭。 比如上传一张猫咪照片，图像参考强度设定为 92，让猫咪眼睛变大，在草地上，戴上皇冠。
除了实时文生图，混元图像 2.0 还提供了实时绘画板功能。
基于模型的实时生图能力，用户在绘制线稿或调整参数时，预览区同步生成上色效果，突破了传统 " 绘制 - 等待 - 修改 " 的线性流程，可助力专业设计师的创作。
技术进步：五大关键突破
据科技媒体量子位分析，混元图像 2.0 的背后是五项关键技术突破：
更大的模型尺寸：相比前代产品，参数量提升了一个数量级，显著提高了性能上限。
超高压缩倍率的图像编解码器：腾讯混元团队自研编解码器大幅降低了图像编码序列长度，同时通过对信息瓶颈层的优化和强化对抗训练，保证了细节生成能力。
多模态大语言模型作为文本编码器：区别于 CLIP、T5 等传统架构的浅层语义解析，通过适配多模态大语言模型，显著提升了语义匹配能力，在 GenEval 等客观指标上超越同类产品。
全尺度多维度强化学习后训练：基于 " 慢思考 " 奖励模型，通过通用后训练与美学后训练，有效提升图片生成的真实感。
自研对抗蒸馏方案：基于隐空间一致性模型，将去噪轨迹上的任意点直接映射到轨迹生成样本，实现少步高质量生成。
网友灵魂画手上线体验
有不少网友创作者发来了体验：
社交平台 X 上的网友表示：
" 令人印象深刻的创新！通过实时 AI 图像生成重新定义创造力。"
" 虚幻绝对虚幻。很想探索这个 "
