騰訊開源混元圖像3.0，實測不敵即夢4.0

作者｜子川

來源｜AI先鋒官

又一個好玩的圖像生成模型開源啦！

近兩個月的圖像生成模型可謂是神仙打架。

前有谷歌的Nano Banana將圖片生成的一致性提升到了一個新高度。

后有字節的Seedream4.0重磅出擊，超越Nano Banana，在Artificial Analysis等榜單中排名第一。

這不，騰訊的混元圖像3.0也來了！

完全開源，免費使用！

唯一可惜的是，混元圖像3.0目前僅支持文生圖功能。

據透露，圖生圖、圖像編輯、多輪交互等版本將于后續發布。

根據混元團隊介紹：混元圖像3.0是首個工業級原生多模態圖像生成模型，參數規模達到80B。

它是目前測評效果最好、參數量最大的開源圖像生成模型，效果可對標業界頭部閉源模型。

在混元團隊發布的SSAE智能評估中，混元圖像3.0的能力非常接近Nano Banana和Seedream4.0。

同時，此次發布的混元圖像3.0特點非常明顯。

• 具備語言模型的思考能力，能利用知識進行推理。

• 美學質感得到提升，能生成真實的高質感圖片。

• 可以理解上千字的提示詞，生成長文本文字和小文字。

下面是我測試的幾個例子，效果確實非常頂！

提示詞：手賬風格，做一個月餅制作的步驟教程圖，步驟說明要中文。

可以看到混元圖像3.0真的理解了如何制作月餅，揉面團、包餡料、壓模具，整個過程非常清晰明了。

搭配的文字也十分正確。

即使你的提示詞非常發散，它也能理解。

比如下面例子，讓它做一個廣州一日游的旅游漫畫。

提示詞：幫我生成廣州一日游的旅游漫畫

早茶、逛廣州臺，再到陳家祠，這效果完全可以直接去用來發一篇小紅書筆記了。

再來看看它的文字能力。

提示詞：一幅有趣的3D插圖，整體采用卡通+3D擬物風格，色彩飽和度高，突出視覺吸引力；主題文案白色字體“國慶假期出游季”，采用潮流派對風格藝術字體，模擬真手寫筆觸，字體筆畫粗厚醒目，形態夸張變形，部分筆畫帶俏皮弧度或獨特彎折，營造活潑、肆意、充滿活力的派對氛圍。加入綠色線條和飛機圖標裝飾。搭配英文字體“Happy Travel”進行排版；一個女孩，俯視魚眼鏡頭，身穿白色背心，綠色夾克，藍色牛仔短褲，一只手伸向前拿著旅游地圖遞出去的動作，從下往上拍攝，比例很夸張，強烈的仰視透視感，廣角，背景為場景北京微縮景觀模型地標景點（故宮、頤和園、中國尊，山水，現代城市風貌），藍天白云動態模糊的樹葉裝飾。

是不是有一種海報直出的既視感！美感、排版都十分在線，完全不需要修改。

就算我的提示詞中加了很多元素，它也能很好的get到，并且生成非常好看的圖片。

提示詞：微縮海報設計，鳥瞰圖，在蔚藍色海面上，一把吉他由公路島嶼拼接而成，每根琴弦都是公路拼接出來，島嶼里長滿了茂密的椰樹，還有有道路、樓宇、吊塔、公園、車輛等元素，島嶼外是淡藍色海面，島嶼之間用橋梁連接，海面上還有一些游艇、直升飛機、碼頭、鯨魚、輪船、海鳥等，專業相機拍攝，逼真，3D渲染。

這張圖完美詮釋了混元圖像3.0強大的多元素理解能力。

吉他造型的島嶼、公路琴弦、茂密的椰樹、精致的樓宇、蜿蜒的道路，甚至海面上的游艇、直升機、碼頭、鯨魚、輪船、海鳥，每一個元素都很清晰。

除此之外，它的美感也相當不錯。

提示詞：具有東方神韻的人物，丹鳳眼，白皙皮膚，穿著傳統中式長袍，黑色搭配綠色領口，頭飾采用大型中式傳統冠帽，藍紫色調為主，動畫風格，具有奇幻色彩，融合中國風元素，奇幻氛圍，特寫鏡頭寫，大寫意，鏤空雕塑展示飛白效果，彩墨暈染，超低仰角視角，寫實風格，細節豐富細膩，達芬奇藝術塑形，時尚潮流感，超大仰角，山海經形象，oc渲染，抽象風格，強調形狀和線條的組合，完整的主體突出簡潔之美，漩渦、波紋等形態，超寫實攝影，精致奢華風格，外形優美，暴力美學，局部裝飾云雷紋，超前設計潮酷，潮玩形式，邊緣清晰，身材比例超一流，香港黃玉郎畫風格，手寫簽名R6visual。虛幻引擎，整體純色背景，中國風，絲滑流暢圓潤，潦草，威武，壓迫感，藝術大師海報構圖，輪廓光，專業攝影光照。

從丹鳳眼到傳統中式長袍，再到紫色調的冠帽，每個細節都處理得恰到好處。尤其是整體的色彩搭配和構圖，營造出一種既古典又充滿神秘感的氛圍。

是不是效果還不錯！

那么問題來了，那它和字節的Seedream4.0相比到底如何？是否能翻越Seedream4.0這座大山？

老規矩，我們測一測。

此次測試的規則使用是相同的提示詞生成8張圖片，最后挑選最優來展示。

3D藝術

提示詞：蜜雪冰城，Q版門店，紅色和金色色調組合，金色和紅點綴，透明反光玻璃質感，透明感，UI設計風格，光線追蹤，干凈背景，參考Pinterest、Dribbble 風格，使用OC渲染器，細節豐富，16K高清，淺色背景，大面積留白。

Seedream4.0

混元圖像3.0

這一組的效果對比非常明顯。Seedream4.0似乎對“蜜雪冰城”有更深的理解。

生成的Q版門店不僅包含了招牌、飲品制作機器、隨處可見的Logo，甚至連門口的海報都精準還原。

反觀混元圖像3.0，雖然也生成了Q版門店，但除了名字之外，其他元素與蜜雪冰城的關聯度非常低低。

文字排版

提示詞：側貼片設計，3D立體效果，液態牛奶質感文字設計，整體文字飛濺的牛奶形態元素，高清，背景為綠色純色。主標“全場實付滿贈”字體一排 滿￥399贈送一盒125ML牛奶 聯系12號客服領取。

Seedream4.0

混元圖像3.0

同樣是3:4的尺寸，混元圖像3.0會給人一種要把文字占滿圖片的既視感。

而Seedream4.0則是文字一列排開，文字排布主次分明，能讓用戶一下子抓到重點。

思考推理

提示詞：手賬風格，做一個茄子煲的步驟教程圖，步驟說明要中文

Seedream4.0

混元圖像3.0

有時候，提示詞越少反而越考驗模型的能力。

像上面的提示詞，不僅需要模型推理思考茄子煲是如何制作的。

還要考慮圖片最后的呈現形式是怎么樣的的. 結果依舊很明顯，Seedream4.0勝出。

美感

提示詞：打網球的青年，四肢健壯，穿著短袖T恤，短褲，運動鞋，全身，運動服飾，夸張比例，青春活力，健康的生活方式，多彩，藍色背景，卡通，C4D

Seedream4.0

混元圖像3.0

這次混元圖像3.0終于勝出，它在顏色搭配以及質感方面要比Seedream4.0強上不少。

多提示詞理解能力

提示詞：可愛俏皮，美麗大方，抽繩掛脖無袖。胸前交錯綁帶設計。寬松娃娃衫飄逸裙擺，大裙擺，自然垂墜面料。層層疊疊短，蓬松裙，花苞裙。可愛長筒襪搭配高跟短靴。佩戴項鏈。卷發。編發。發飾。高品質，高質量，畫質清晰，高冷，慵懶，意識流，CG質感，寫實攝影，朦朧，T臺自信灑脫。愛豆風格服飾，細膩肌理，姿態自然，全身比例。全身視角。 幾何圖案、超現實風格，電影質感風格,全身鏡頭，超廣角，強透視，景深,神秘、狂亂、酷炫、個性的氛圍,抽象，多重，黑白，灰度，暗黑，多重曝光，失焦，高噪點，強烈膠片顆粒感，動態美學，彌散模糊暈染，朦朧美學，夸張構圖，細節生動完美，肌膚上色。全彩色

Seedream4.0

混元圖像3.0

大家有沒有直觀的感覺到這兩張圖片的不同之處？

Seedream4.0中的人物是彩色的，而混元圖像3.0生成的人物則是灰色的。

為什么會有這樣的差別，原因就是在提示詞的理解上，小編在提示詞的最后加上了”肌膚上色。全彩色"。

Seedream4.0很好的get到這個點，并且生成出來了，反觀混元圖像3.0則沒有理解這層意思。

總的來說，混元圖像3.0是一個非常不錯的生圖模型，無論在生成中文的能力還是理解能力，較上一代都有十足的進步。

但奈何遇到了Seedream4.0這位真霸主。

目前混元圖像3.0已經正式上線騰訊混元官網，感興趣的可以去體驗一下。

同時模型權重和加速版本已在Github、HuggingFace等開源社區發布，可直接下載并免費使用。

掃碼邀請進群，我們帶你一起來玩轉ChatGPT、GPT-4、文心一言、通義千問、訊飛星火等AI大模型，順便學一些AI搞錢技能。

往期文章回顧