GLM-Image

GLM-Image 是智谱AI推出的旗舰级图像生成模型，核心定位为“认知型生成：全局指令理解 + 局部细节刻画”的新一代多模态生成基座。

• 混合架构创新：采用「9B 自回归模型 + 7B DiT 扩散解码器」混合架构，兼顾语义理解与高频细节还原，显著改善文字生成准确性
• 文字密集场景领先：在 CVTG-2K 与 LongText-Bench 榜单中达开源 SOTA，中文文字准确率 0.9788，英文 0.9524，适用于海报、PPT、科普图等知识密集型生成
• 国产全栈训练：全程基于昇腾 Atlas 800T A2 芯片与 MindSpore 框架完成训练，是首个国产芯片全流程训练的 SOTA 多模态生成模型
• 灵活分辨率支持：原生支持 1:1、3:4、16:9 等比例，尺寸范围 512×512 至 2048×2048（需为 32 的整数倍），适配多端展示需求

───────────────────────────────────────────────────────────────────

核心能力

🖋️ 精准文字嵌入：在商业海报、招牌、甚至复杂的对话框中渲染出排版准确、笔画工整的中英文。

📽️ 商业海报专家：具备极强的视觉构图与层次感，适用于生成具有设计感的节日海报、品牌宣传图及多样化的社交媒体素材。

🔬 科普逻辑插画：能够理解复杂的提示词逻辑，准确绘制带有标注的科学原理图、流程图，确保画面美观与知识传递的统一。

👥 高质量写实人像：结合 DiT 架构的细节刻画能力，可生成皮肤肌理自然、光影斑驳、发丝纤毫毕现的写实摄影级人像。

📖 连贯多格创作：在生成电商展示图、连环故事画时，能较好地保持主体形象一致性，并能同步优化多处细节文字。

───────────────────────────────────────────────────────────────────

───────────────────────────────────────────────────────────────────

相关测评

《国产开源GLM-Image实测：文字渲染登顶SOTA，画面质感仍是最大瓶颈》