钛媒体 App 5 月 16 日消息，腾讯混元发布业内首个毫秒级响应的实时生图大模型 Hunyuan Image 2.0（参数规模提升数 10 倍），支持文本、语音、草图等多种交互方式。只需一句话、写一个 prompt 或是画一笔线稿，图像就能同步生成，更具写实质感。Hunyuan Image 2.0 基于单双流 DiT 架构，提升生成效率，同时对图像质感做了系统性重构，没有牺牲任何细节。此外，Hunyuan Image 2.0 引入多模态大语言模型（MLLM）作为文本编码器，配合自研的结构化 caption 系统，可理解语义并推测画面表达意图，再一步步拆解画出。