智譜 x 華為：【首個(gè)】國產(chǎn)芯片訓(xùn)出的生圖模型，開源發(fā)布｜支持非標(biāo)分辨率，中文海報(bào)直出

剛剛發(fā)生了兩件事，放在一起看很有意思

第一件：來自英偉達(dá)
英偉達(dá) H200 對(duì)華出口限制，正式放寬

第二件：來自「華為 x 智譜」
首個(gè)在國產(chǎn)芯片上，完成全流程訓(xùn)練的多模態(tài)模型，GLM-Image 發(fā)布并開源，從數(shù)據(jù)預(yù)處理到大規(guī)模預(yù)訓(xùn)練，全程跑在昇騰 Atlas 800T A2

不得不說，是個(gè)創(chuàng)舉 先看效果 效果圖：商業(yè)海報(bào) 效果圖：科普插畫 效果圖：社交媒體封面

主打文字渲染，尤其擅長中文

在 CVTG-2K（復(fù)雜視覺文字生成）和 LongText-Bench（長文本渲染）兩個(gè)榜單上都是開源第一

榜單成績 國產(chǎn)芯片全流程

這是這次發(fā)布最核心的部分

官方說法：自回歸結(jié)構(gòu)基座從數(shù)據(jù)預(yù)處理到大規(guī)模預(yù)訓(xùn)練，全流程在昇騰 Atlas 800T A2 上完成

具體怎么做的：

基于昇思 MindSpore 框架，智譜自研了一套訓(xùn)練套件
覆蓋數(shù)據(jù)預(yù)處理、預(yù)訓(xùn)練、SFT、RL，端到端全流程

優(yōu)化上，用動(dòng)態(tài)圖多級(jí)流水下發(fā)消除下發(fā)瓶頸，用多流并行讓通信和計(jì)算互掩

算子層面，用了 AdamW EMA、COC、RMS Norm 等昇騰親和的融合算子

國產(chǎn)算力訓(xùn)練流程 架構(gòu)

GLM-Image 采用「自回歸 + 擴(kuò)散解碼器」混合架構(gòu)

兩個(gè)模塊，各管一攤

自回歸部分，9B
負(fù)責(zé)語義理解和全局構(gòu)圖，全程在昇騰上訓(xùn)練

擴(kuò)散解碼器部分，7B
DiT 結(jié)構(gòu)，配合 Glyph Encoder 做文字渲染，解決「提筆忘字」的問題

前者管「讀懂」，后者管「寫對(duì)」

GLM-Image 架構(gòu)圖

這個(gè)方向和 Google 去年 11 月發(fā)的 Nano Banana Pro 一致

Nano Banana Pro 基于 Gemini 3 Pro，核心思路是把語言模型的推理能力和圖像生成結(jié)合起來

智譜管這叫「認(rèn)知型生成」

解碼器結(jié)構(gòu)示意圖 一個(gè)細(xì)節(jié)

還有一個(gè)值得關(guān)注的點(diǎn)：分辨率支持任意比例

傳統(tǒng)圖像生成模型的分辨率是 4:3、16:9 這樣的預(yù)設(shè)比例。GLM-Image 通過改進(jìn) Tokenizer 策略，原生支持從 1024x1024 到 2048x2048 尺寸的任意比例圖像生成，比如1240x1600 這種非標(biāo)分辨率

對(duì)海報(bào)、社交媒體封面這類需要自定義尺寸的場(chǎng)景比較實(shí)用

價(jià)格與開源

API 調(diào)用 0.1 元/張

開源地址：

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

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

• ? 魔搭社區(qū)：
  https://modelscope.cn/models/ZhipuAI/GLM-Image

在線體驗(yàn)已在智譜開放平臺(tái)上線，Z.ai 和智譜清言即將接入

技術(shù)報(bào)告：
https://z.ai/blog/glm-image

智譜用 GLM-Image 生成的總結(jié)圖

H200 解禁了，這是好事

但智譜用國產(chǎn)芯片跑通全流程這件事，證明了另一條路也能走

有沒有一種可能...互為因果