GLM-Image 上线 AtomGit，国产芯片训练的多模态开源模型开放使用

混合设计，融合 9B 规模自回归模型与 7B 大小的 DiT 扩散解码器，前者负责指令理解与全局构图，后者搭配 Glyph Encoder 文本编码器，提升图像细节与文字生成的准确性，有效改善传统模型文字错漏问题。的 SOTA 多模态产品，依托昇腾硬件与昇思框架构建，在文字生成、多场景适配等方面表现突出，为开发者提供了可靠的开源技术方案。，生成文字与目标内容的一致性较高；在生成电商图、漫画等多格图

AtomGit

319人浏览 · 2026-01-14 17:28:29

AtomGit · 2026-01-14 17:28:29 发布

2026 年 1 月 4 日，智谱联合华为研发的多模态模型 GLM-Image 正式上线 AtomGit 开源平台。该模型是首个基于国产芯片完成全流程训练的 SOTA 多模态产品，依托昇腾硬件与昇思框架构建，在文字生成、多场景适配等方面表现突出，为开发者提供了可靠的开源技术方案。

👉 模型仓库：https://ai.gitcode.com/zai-org/GLM-Image

👉 代码仓库：https://atomgit.com/zai-org/GLM-Image-code

模型核心特性：架构创新与国产化适配

🪧 GLM-Image 技术报告：https://z.ai/blog/glm-image

GLM-Image 的核心优势集中在技术架构与训练部署的双重突破。架构层面，采用 “自回归 + 扩散解码器” 混合设计，融合 9B 规模自回归模型与 7B 大小的 DiT 扩散解码器，前者负责指令理解与全局构图，后者搭配 Glyph Encoder 文本编码器，提升图像细节与文字生成的准确性，有效改善传统模型文字错漏问题。

训练部署方面，模型从数据预处理到大规模预训练，全流程基于昇腾 Atlas 800T A2 设备与昇思 MindSpore AI 框架完成，验证了国产全栈算力底座支持前沿多模态模型训练的可行性。同时，通过改进 Tokenizer 策略，模型可自适应 1024×1024 至 2048×2048 尺寸的任意比例图像生成，无需额外训练，适配更多使用场景。

通用 pipeline

解码器结构示意图

权威榜单认证：文字生成能力达开源领先水平

在专业测评中，GLM-Image 的文字生成表现处于开源模型前列。CVTG-2K（复杂视觉文字生成）榜单中，其文字准确率达 0.9116，归一化编辑距离为 0.9557，生成文字与目标内容的一致性较高；LongText-Bench（长文本渲染）榜单覆盖 8 类文字密集场景，其中中文生成准确率 0.979、英文 0.952，在开源模型中排名第一，适用于海报、PPT、科普图等场景的文字呈现需求。

GLM-Image 实测案例参考

1｜场景一：科普插画

GLM-Image 更擅长绘制包含复杂逻辑流程与文字说明的科普插画及原理示意图。

2｜场景二：多格图画

在生成电商图、漫画等多格图画时，GLM-Image能够保持风格和主体的一致性，并保障多处文字生成的准确率。

3｜场景三：社交媒体图文封面

GLM-Image 适用于制作社交媒体封面及内容等排版复杂的图片，让您的创作更自由丰富。

4｜场景四：商业海报

GLM-Image 能够生成构图富有设计感、文字嵌入准确的节日海报与商业宣传图。

5｜场景五：写实摄影

在文字渲染以外，GLM-Image也同样擅长生成各种景别和尺寸的人像、宠物、风景、静物。

AtomGit 平台获取与使用指南

👉 模型仓库：https://ai.gitcode.com/zai-org/GLM-Image

👉 代码仓库：https://atomgit.com/zai-org/GLM-Image-code

目前，GLM-Image 的完整开源资源已同步至 AtomGit，开发者可通过以下方式快速上手：

项目获取：进入 “GLM-Image”代码仓库，即可克隆源码、查看技术文档，文档包含架构解析、部署步骤等详细内容，助力快速搭建运行环境；
应用参考：平台收录科普插画、多格电商图、社交媒体封面、商业海报、写实摄影等 5 类实测案例，提供 Prompt 设计与参数配置参考，降低场景化应用门槛；
社区交流：开发者在讨论区可分享使用经验、反馈问题，与技术团队及同行共同优化模型效果。

此外，该模型 API 调用模式下生成单张图片仅需 0.1 元，后续将推出速度优化版本，兼顾成本与效率，适用于个人开发实践与企业级项目落地。