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。
开源意义：推动国产 AI 生态协同发展
GLM-Image 的开源不仅分享了 “认知型生成” 技术路径，更为国产算力与 AI 模型的协同优化提供了实践参考。作为首个国产芯片全流程训练的 SOTA 多模态模型，其在 AtomGit 的上线，为开发者提供了低成本接入前沿技术的渠道，也为国产开源 AI 生态的完善注入新动力。
如需获取模型源码及相关资源，可访问 AtomGit 项目页面。欢迎开发者参与项目交流与二次开发，共同探索多模态生成技术的应用边界。
👉 立即访问 AtomGit 获取 GLM-Image：
模型仓库：https://ai.gitcode.com/zai-org/GLM-Image
代码仓库：https://atomgit.com/zai-org/GLM-Image-code
