近日，由智谱与华为联合研发并开源的多模态图像生成模型GLM-Image，登顶Hugging Face平台Trending榜第一，打破长期以来国外模型在开源榜首的垄断局面。

并且GLM-Image一出道就拿下了CVTG-2K（复杂视觉文字生成）和LongText-Bench（长文本渲染）双榜单的第一：

再细分来看，在CVTG-2K中，GLM-Image凭借0.9116的Word Accuracy（文字准确率）和0.9557的NED（归一化编辑距离）拿下双料第一，表明生成的文字在准确性上做到了高度一致。

以及LongText-Bench中的中文、英文或平均分数，都位列开源模型中的第一。

除此之外，再划个重点：

用GLM-Image的API生成图片，现在一张图只要一毛钱（0.1元）！

国产芯+国产模型，这次真的赢麻了。

值得一提的是，该模型基于昇腾Atlas 800T A2设备和昇思MindSpore AI框架，完成从数据到训练的全流程，是首个在国产芯片上完成全程训练的SOTA多模态模型。

而这背后，是智谱与华为“软硬协同”的深度合作，更是国产AI全产业链突破的缩影。

天下苦AI生图不识字已经久矣。

以前让AI画个海报，画面虽然美如画，但文字却是乱如麻：不是缺笔少划，就是自创火星文。

这次GLM-Image最大的卖点，可以说就是能读懂且写对。

那么接下来，我们就来给GLM-Image一些刁钻的难题，考验考验它的能力。

首先是咱们熟悉的“小红书风”。

这种图片不仅要求审美在线，最关键的是标题要大、要醒目，还得和画面完美融合。

我们扔给GLM-Image一段描述比较笼统的描述，让它先来自我发挥一下：

Prompt：生成一张小红书封面，图文并茂，表达泰国旅游最全攻略，要有人物和风景，有趣的设计。

感觉GLM-Image已然get到了小红书封面的奥义，鲜艳的配色、醒目的文字，还有逼真的人物，一下子就让人想点进去了解一番。

还有小红书上比较流行的科普详解图，GLM-Image可以根据智谱官方推文直接生成亮点内容图解：

而且GLM-Image原生支持1024x1024至2048x2048的任意比例输出。智谱开放平台体验中心提供了10个尺寸的选项，可以适配各种类型的社交媒体平台。

假如你现在想要做一张有艺术感的商业广告大片，那么只要把你的想法转成Prompt即可，例如：

Prompt：大师级摄影，获奖作品，东方禅意，神秘氛围。中心构图，极致负空间留白，一位沉静内省的男性背影，戴浅色宽檐帽，处于绝对静止剪影状态。中景：浓雾弥漫充满全部画面。双重曝光，人物透明叠加于中景，透明晕染重叠，重叠处露出黄昏都市，暖金色暮光逆侧光，建筑轮廓与霓虹因慢门化作动态模糊、拖曳的暖黄色光轨。光影：黑柔滤镜，轮廓光勾勒帽檐肩线，面部阴影中有微妙的深灰至灰渐变，强烈明暗对比。色调：低饱和度暖调（浅棕、暖黄、灰绿，阴影泛青灰），富士怀旧负片胶片质感。后期：空气透视，朦胧诗意，印象派氛围。视觉张力，虚实结合，情绪氛围摄影，电影帧叙事。标语：“流光过隙，我自静观。” 半透明标题“SILENCE”嵌入雾中。

真实性，也是考验图片生成能力的重要因素。

接下来，我们就让GLM-Image生成几张真实人物的照片：

Prompt：一位男模特，行走于都市天台，风衣下摆被大风扬起，动态模糊，大场景，强透视，低角度仰拍，胶片粗颗粒质感，黑金色调，前卫艺术美学，力量感，高级感，时尚大片视角，8K，大师杰作。

像极了在现实生活中拍出来的男模特。

智谱相关负责人介绍，GLM-Image采用自主创新的“自回归+扩散解码器”混合架构，实现图像生成与语言模型的联合，是面向以Nano Banana Pro为代表的新一代“认知型生成”技术范式的一次重要探索。

基于上述架构创新，该模型在CVTG-2K（复杂视觉文本生成）和LongText-Bench（长文本渲染）榜单获得开源第一。据了解，模型尤其擅长文字密集生成任务。CVTG-2K榜单核心考察模型在图像中同时生成多处文字的准确性，在多区域文字生成准确率上，GLM-Image的成绩位列开源模型第一；LongText-Bench（长文本渲染）榜单则考察模型渲染长文本、多行文字的准确性，覆盖招牌、海报、PPT、对话框等8种文字密集场景，GLM-Image的成绩位列开源模型第一。

此外，模型兼具高性价比与速度优化，在API调用模式下，生成一张图片仅需0.1元，速度优化版本也即将更新。

“GLM-Image是我们对国产计算生态的一次深度探索与验证。其自回归结构基座从早期的数据预处理到最终的大规模预训练，全流程均在昇腾Atlas 800T A2设备上完成。”上述负责人透露。

该负责人介绍，华为搭建的“国产算力底座”是关键支撑。不同于以往多数AI模型依赖国外芯片训练，GLM-Image从数据预处理到大规模训练，全程跑在华为昇腾Atlas 800T A2芯片和昇思MindSpore框架上。正是这套全自主的“硬件+框架”组合，解决了AI训练“卡脖子”的核心问题，让模型训练摆脱了对国外芯片的依赖，更验证了在国产全栈算力底座上训练前沿模型的可行性。

业内人士表示，从更长远看，GLM-Image登顶不是偶然，而是国产AI全产业链协同的必然结果。这种全链条能力，不仅能让国内中小企业以更低成本用上AI工具，更能推动国产AI技术走向全球，有望改写过去“国外定标准、国内跟节奏”的产业格局。如今，GLM-Image的开源地址已在GitHub和Hugging Face平台同步开放，全球开发者都能免费使用这套“国产方案”。

在图像生成这个领域，大家似乎都习惯了盯着国外的Flux、Midjourney、Ideogram看。每当国外发布一个新模型，大家就感叹一句“差距又拉大了”。

但GLM-Image的出现，是一次有力的回应，主要可以从三个方面来看：