1月14日报道，今天，首个在国产芯片上完成全程训练的SOTA（最佳水平）多模态模型开源。
这是智谱联合华为开源的图像生成模型GLM-Image。从数据到训练的全流程，该模型完全基于昇腾Atlas 800T A2设备和昇思MindSpore AI框架完成构建。
截至今日午间休市，智谱股价上涨16.83%。
在聚焦文字渲染的CVTG-2K、LongText-Bench榜单上，GLM-Image的得分超越了以谷歌Nano Banana Pro为代表的认知型生成模型。
▲GLM-Image在文字渲染的CVTG-2K、LongText-Bench榜单中达到开源SOTA水平
GLM-Image实现了图像生成与语言模型的联合，核心亮点如下：
1、架构革新，面向「认知型生成」的技术探索：采用创新的「自回归 + 扩散编码器」混合架构，兼顾全局指令理解与局部细节刻画，克服了海报、PPT、科普图等知识密集型场景生成难题。
2、首个在国产芯片完成全程训练的SOTA模型：模型自回归结构基座基于昇腾Atlas 800T A2设备与昇思MindSpore AI框架，验证了在国产全栈算力底座上训练前沿模型的可行性。
3、文字渲染开源SOTA：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，尤其擅长汉字生成任务。
4、高性价比与速度优化：API调用模式下，生成一张图片仅需0.1元，速度优化版本即将更新。
智东西第一时间对GLM-Image进行了体验，发现模型在汉字生成上准确度很高，优于谷歌Nano Banana Pro以及多款头部国内模型；能够较准确理解深层语义和知识概念，并将其转化为正确的视觉元素；能够在保证全局构图的同时较精准刻画局部细节。
同时，GLM-Image也存在字体风格呈现不准、生成需要等待时间、一些科学概念理解不足等问题；且相比于一些免费选择，其仍需要收取少量费用。