长期以来，AI生成图像中的文字常出现错漏，GLM-Image的出现有效解决了这一痛点。作为中国首个全程在国产芯片上训练的SOTA多模态模型，它在文字渲染方面尤为出色，能精准生成包含复杂汉字的图片。更重要的是，其API调用成本极低，为创意工作者和开发者提供了高性价比的新选择。
智能速览
它是首个全程在华为Ascend A2国产芯片上完成训练的SOTA模型。
通过API生成一张图片的成本仅为0.1元，性价比极高。
采用自回归与扩散解码器混合架构，兼顾布局理解与细节生成。
原生支持1024x1024至2048x2048的任意比例输出，无需重绘。
精华内容
GLM-Image如何实现精准的文字渲染？其背后“自回归+扩散”的混合架构与国产算力的深度结合，揭示了技术突破的关键。
精准的文字渲染
GLM-Image在文字渲染能力上表现突出，尤其在处理汉字时，能够做到精准无误，这对于制作AI手抄报、海报等场景极具价值。在CVTG-2K（复杂视觉文字生成）评测中，该模型以0.9116的文字准确率（Word Accuracy）和0.9557的归一化编辑距离（NED）夺得双料第一。其生成的小红书风格封面，不仅配色鲜艳、人物逼真，文字排版也与画面完美融合，直接命中了社交平台的视觉需求。
自回归+扩散架构
为兼顾全局布局与细节质感，GLM-Image采用了创新的“自回归+扩散解码器”混合架构。这种架构如同一个协同工作的团队：9B参数的自回归模型作为“大脑”，负责理解复杂的文字指令，并规划出画面的整体布局；7B参数的扩散解码器则像一支“画笔”，负责在规划好的草图上进行精细的像素填充和渲染。这种设计使其既能像自回归模型一样深刻理解语言，又能像扩散模型一样生成高质量细节。
国产算力底座
此次发布的核心亮点之一，是GLM-Image全程基于华为Ascend A2国产芯片完成训练，从数据预处理到强化学习（RLHF）的每一个环节均未依赖国外硬件。为实现这一目标，智谱与华为深度合作，优化了Mindspeed-LLM框架。特别是在RL训练阶段，通过算子级重构和大规模集群稳定性控制，解决了国产芯片在复杂计算图训练中的适配难题，证明了国产全栈算力完全有能力支撑SOTA模型的训练。
高性价比与多场景
GLM-Image不仅技术领先，在商业应用上也极具吸引力。其API调用价格低至每张0.1元，为中小企业和开发者降低了使用门槛。该模型能够胜任商业海报设计、时尚大片摄影模拟以及高分辨率人物写真等多样化任务。此外，它原生支持从1024x1024到2048x2048的任意宽高比输出，意味着无需裁剪或重绘，就能直接生成适用于不同社交媒体的横版或竖版图片。
GLM-Image的出现，不仅是技术实力的展现，更标志着国产AI生态在关键领域实现了从追赶到引领。它开源、普惠的姿态，预示着未来将有更多基于国产算力的创新应用涌现。国产AI的下一步，会带来怎样的惊喜？
