Model Releases
Tencent выпускает HunyuanImage 3.0: флагманская open-weights модель генерации изображений
Tencent представила HunyuanImage 3.0 — масштабную мультимодальную модель с открытыми весами, устанавливающую новые стандарты в качестве генерации и понимания визуального контекста.
1 сентября 2025 г.
Model ReleaseHunyuanImage 3.0
Введение: Новая веха в open-source генерации
1 сентября 2025 года компания Tencent официально представила HunyuanImage 3.0, ознаменовав собой исторический сдвиг в экосистеме открытых моделей генерации изображений. В отличие от многих проприетарных решений, Tencent делает ставку на доступность, публикуя веса модели на Hugging Face, что позволяет разработчикам и исследователям интегрировать передовые возможности генерации непосредственно в свои локальные пайплайны.
HunyuanImage 3.0 — это не просто очередное обновление, а фундаментальный скачок в понимании нативного мультимодального взаимодействия. Модель призвана сократить разрыв между закрытыми коммерческими API и открытыми весами, предоставляя уровень детализации и следования промптам, который ранее был доступен только в платных облачных решениях.
- Дата релиза: 1 сентября 2025 года
- Тип: Open-weights (открытые веса)
- Разработчик: Tencent Hunyuan Foundation Model Team
- Доступность: Hugging Face и Tencent Cloud
Архитектура и ключевые технические характеристики
HunyuanImage 3.0 построена на базе продвинутой архитектуры нативного мультимодального обучения. Модель представляет собой гигантскую систему с общим количеством параметров в 80 миллиардов (80B), при этом благодаря использованию технологии Mixture-of-Experts (MoE) в процессе инференса активируется лишь 13 миллиардов параметров (13B). Это позволяет достичь беспрецедентного качества генерации при сохранении относительно разумных требований к вычислительным ресурсам.
Архитектура оптимизирована для глубокого понимания сложных текстовых инструкций и пространственных отношений. В отличие от классических диффузионных моделей, HunyuanImage 3.0 демонстрирует более тесную интеграцию визуального и текстового энкодеров, что минимизирует ошибки при генерации текста внутри изображений и сложных композиционных сцен.
- Общее количество параметров: 80B
- Активные параметры (MoE): 13B
- Тип архитектуры: Native Multimodal MoE
- Особенности: Улучшенное понимание пространственных связей и рендеринг текста
Производительность и бенчмарки
Эффективность HunyuanImage 3.0 подтверждается строгими метриками. Базовая версия модели (base) демонстрирует впечатляющий показатель Elo 933. Однако наиболее значимые результаты показывают специализированные и облачные итерации. Версия HunyuanImage 3.0 Instruct, выпущенная в январе 2026 года, достигла отметки Elo 986 по системе Artificial Analysis, что ставит её в один ряд с лучшими моделями индустрии.