混元圖像2.1（HunyuanImage 2.1）是騰訊混元於2025年9月9日晚間發布的圖像生成模型，支持最長1000個tokens的文本提示詞輸入，並具備原生2K圖像生成能力。
該模型為開源文生圖模型，支持中英文原生輸入，能夠實現複雜語義的高質量生成，包括對場景細節、人物表情動作的精準控制，並可使文字信息與畫面自然融合。
模型採用170億參數的單/雙流Diffusion Transformer架構，包含基礎文本到圖像模型和精修模型兩階段，並配備了MLLM模組與ByT5模型的雙文本編碼器。在SSAE評測中其語義對齊達到開源模型最優，並接近閉源商業模型效果。
基本介紹
- 中文名：混元圖像2.1
- 外文名：HunyuanImage 2.1
- 發布機構：騰訊混元
- 定義：騰訊混元發布的圖像生成模型
技術原理,套用,影響,相關研究,
技術原理
混元圖像2.1採用兩階段架構，第一階段是基礎文本到圖像模型，第二階段是精修模型用於提升圖像質量和清晰度。基礎模型採用了32倍壓縮倍率的變分自編碼器（VAE）以減少計算量，並通過DINOv2對齊和REPA損失來降低訓練難度。其配備了雙文本編碼器：一個多模態大語言模型（MLLM）編碼器用於提升圖像與文本描述的語義對齊能力；另一個多語言、字元感知的ByT5編碼器用於增強對各種語言的文本渲染能力。該階段基於170億參數的單流和雙流結合的擴散變換器（DiT）。為了最佳化美學和結構連貫性，模型套用了基於人類反饋的強化學習（RLHF）。
模型使用了訓練數據及結構化、不同長度的圖文對齊標註來提升對文本描述的理解能力。在標註中引入了OCR專家模型和IP RAG（檢索增強生成）專家模型，以增強對密集文本的識別和對世界知識的理解能力，其中OCR信息採用了雙向驗證策略確保標註準確性。模型開發了性能增強模組，包括系統化、工業級的中英文改寫模型提示詞增強（PromptEnhancer），用於對用戶文本指令進行結構化最佳化以豐富視覺表達。此外，提出了一種基於均值流（MeanFlow）的新型蒸餾方法，解決了訓練不穩定的問題，成功將模型推理步數從100步蒸餾至8步，提升推理速度。
套用
混元圖像2.1為設計師、插畫師等視覺創作者提供支持，幫助將創意轉化為畫面。該模型支持生成創意插畫、製作包含中英文宣傳語的海報和包裝設計，以及四格漫畫與連環畫等視覺場景。
混元圖像2.1是開源的基座模型，其模型權重和代碼已在Hugging Face、GitHub等開源社區發布，開發者可基於此模型進行研究或開發衍生模型與外掛程式。
影響
混元圖像2.1於2025年9月發布並開源後，在社區和業界產生了影響。開源後，模型在Hugging Face模型熱度榜上熱度迅速攀升，一度成為全球第三熱門模型，並在趨勢榜上拿下第一名。
作為一款全面開源的基座模型，其權重和代碼在Hugging Face、GitHub等平台發布，為個人和企業開發者提供了研究基礎。該模型對視覺創作者如設計師、插畫師提供了高效支持，能夠幫助他們將創意快速轉化為高質量畫面，適用於生成創意插畫、包含中英文宣傳語的海報和包裝設計，以及複雜的連環畫等多種場景。
在技術評測方面，根據結構化語義對齊評估（SSAE），混元圖像2.1在語義對齊上的表現達到了開源模型中的最優效果，並且非常接近GPT-Image等閉源商業模型。根據GSB（Good Same Bad）評測，其圖像生成質量與閉源商業模型Seedream3.0相當，同時相較於同類開源模型Qwen-Image展現出優勢。
相關研究
為量化評估模型的圖文語義對齊能力，其研究團隊提出了基於多模態大語言模型（MLLM）的SSAE（結構化語義對齊評估）評測指標，該指標將評測題目按類目提取要點，並藉助MLLM自動比對圖像內容與要點進行評分。
同步開源了一個中英文提示詞改寫模型——混元文本改寫模型（PromptEnhancer），該模型通過結構化地重寫用戶文本指令以豐富視覺表達，並採用細粒度的AlignEvaluator獎勵模型來提升生成圖像的語義表現。
在17B參數量級的模型上，成功套用了基於MeanFlow的新型蒸餾方法，解決了標準均值流訓練固有的不穩定性和低效率問題，將模型推理步數由100步蒸餾到8步，顯著提升了推理速度。
