作者 | 香草
編輯 | 李水青
智東西5月17日報道，今日，騰訊雲公布了一系列生成式AI研發、産品進展。騰訊混元大模型全面更新，最高拓展至萬億參數規模，總體性能相比上一代提升50%。同時在多模态能力方面，騰訊雲開源中文原生DiT架構文生圖模型，混元支援單圖可30s生成3D模型，視訊生成時長達到16s。
基于自研混元大模型底座，騰訊雲打造大模型時代原生工具鍊，釋出三大AI引擎工具：大模型知識引擎、圖像創作引擎以及視訊創作引擎。此外，騰訊雲還推出一站式AI智能體創作與分發開放平台——騰訊元器，使用者可以在平台上建立專屬AI智能體，并釋出到QQ、微信等騰訊生态上。
據透露，騰訊雲将于本月底5月30日上線混元大模型App“騰訊元寶”，提供混元及搜尋引擎驅動的高效資訊整合工具。在備受關注的文生視訊方向，混元正在基于ST-DiT全面更新架構，預計到第三季度實作30秒的視訊生成時長，并且在2-3個月内将開放文生視訊API接口。
騰訊集團進階執行副總裁、雲與智慧産業事業群CEO湯道生強調，騰訊始終以“産業實用”，作為發展大模型的核心戰略，通過打造高性能的模型、高效率的工具平台、高靈活的場景應用、高可用的算力基礎設施，以及強安全的模型環境，建構離産業最近的AI。
釋出會後，智東西等少數媒體與騰訊雲副總裁、騰訊雲智能負責人、騰訊優圖實驗室負責人、騰訊企點負責人吳運聲進行了深入交談。
談及本周OpenAI、谷歌釋出的語音助手有什麼樣的商業或應用價值，吳運聲認為，其中将視覺、音頻、文本三種模态真正融合在一起，并做到端到端輸入輸出的技術值得關注，将成為未來技術發展的主要趨勢，有很大的商業化前景。
騰訊元器試用申請位址：
https://open.hunyuan.tencent.com
騰訊雲官網位址：
https://cloud.tencent.com/product/hunyuan
一、萬億參數MoE，單圖30s可生成3D模型，視訊生成時長達到16s
騰訊集團副總裁蔣傑蔣傑談道，混元已實作從算力、平台等基礎設施，到生文、生圖、生視訊、生3D等模型建構的全面布局。
▲混元從基礎設施到模型建構的布局
騰訊去年釋出混元大模型，經過多次疊代更新，文本生成基座模型已拓展至萬億參數規模，采用MoE（混合專家模型）結構，最高支援256k上下文，總體性能相比上一代提升50%。
目前，混元已推出Pro、Standard、Lite三個版本，分别對應萬億、千億、百億參數，并通過騰訊雲平台提供給開發者和企業使用者使用。
▲混元拓展至萬億MoE模型
在文生圖方面，混元文生圖基礎架構全面更新，由傳統的U-Net更新為DiT架構，參數量提升十幾倍，測評結果在國内領先。
▲混元文生圖架構更新
除了生成高品質、多風格的圖檔之外，混元還更新了多輪對話能力，使用者可通過自然語言互動，在已生成圖檔的基礎上進行二次編輯。
▲混元文生圖多輪對話能力
在商用層面，混元可高效合成商品素材，例如給商品圖檔更換不同背景，目前已在廣告場景投産。
▲混元文生圖可高效合成商品素材
此外，混元大模型已開始布局文生、圖生3D，據蔣傑透露，單圖輸入僅需30秒即可生成動漫、汽車、建築等類型的3D模型。
▲混元布局3D生成
在視訊生成方面，騰訊混元擁有文生視訊、圖生視訊、圖文生視訊、視訊生視訊4大核心能力，支援視訊風格化、視訊重繪等多樣化的産品玩法，相比Pika、Runway等友商分辨率更高、運動幅度更大，最長可以生成16s視訊。
▲混元生視訊4大核心能力
蔣傑透露，混元正在基于ST-DiT全面更新架構，預計到第三季度實作30秒的視訊生成，并且在2-3個月内将開放文生視訊API接口。
▲混元文生視訊能力
二、推一站式Agent創作分發平台，月底将上線“騰訊元寶”App
基于混元大模型能力，騰訊于本周二（5月14日）全面開源了DiT架構文生圖模型。這是業内首個中文原生的DiT架構文生圖開源模型，支援中英文雙語輸入及了解，參數量15億。
跟其他業界開源模型對比，混元DiT在多個次元上無短闆，其綜合名額在所有開源和閉源算法中排名第三，實作開源版本中的SOTA。
▲混元中文原生DiT架構文生圖模型開源
今日騰訊雲宣布，後續将開源三個尺寸文生文MoE模型，包括面向手機端部署的Hunyuan-S、面向PC端部署的Hunyuan-M以及面向雲/資料中心部署的Hunyuan-L，參數規模從30億到300億不等。
▲混元即将開源多種尺寸MoE模型
此外騰訊雲全面開啟智能體生态，推出一站式AI智能體創作與分發開放平台“騰訊元器”，使用者不僅可以在平台上建立專屬AI智能體，使用騰訊官方的插件和知識庫，還能将這些智能體并釋出到QQ、微信或App上。
騰訊元器即日起開放申請體驗，具有低門檻建立智能體、豐富的插件和知識庫、打通騰訊全域分發通路等優勢。
▲一站式AI智能體創作與分發開放平台騰訊元器
基于混元大模型能力，騰訊雲将于月底5月30日正式上線騰訊元寶App，旨在高效搜尋和提煉資訊，為使用者提供混元及搜尋引擎驅動的高效資訊整合工具，以及結合騰訊内容生态提供有趣實用的生活功能。
蔣傑稱，騰訊元寶在互動方面較為簡潔，隻有一個輸入框，通過這個入口可以實作AI搜尋、文檔總結、翻譯官、口語陪練等功能。
▲騰訊元寶App即将上線
三、三大引擎降低模型落地門檻，5分鐘開發企業級知識應用
騰訊雲副總裁吳運聲談道，以大模型技術為核心，AI已成為數字化發展的關鍵動力。據Gartner機構釋出的《生成式AI産業落地路徑研究報告》，中國10億參數規模以上的大模型數量已超過100個，超過60%的中國企業都計劃在未來12-24個月部署生成式AI。
▲AI成為數字化發展關鍵動力
但要加速大模型産業創新，大模型廠商還需要解決三大挑戰：降低工具使用門檻、提高平台适配性、安全合規保障。
為了應對這些挑戰，騰訊雲全新推出大模型時代原生工具鍊，包括“大模型知識引擎”、“大模型圖像創作引擎”和“大模型視訊創作引擎”三款PaaS工具，助力企業在知識服務、圖像和視訊創作場景提質提效。
針對知識管理場景，騰訊雲推出大模型知識引擎，讓AI不僅懂“産業”，更懂“企業”和“産品”。
知識引擎是聚焦企業知識服務場景的大模型應用開發平台，以大模型+RAG（檢索增強生成）為架構打造。利用自然語言，企業使用者5分鐘就可以開發出一款知識服務應用，快速在客服營銷、企業知識社群等業務場景落地。
▲大模型知識引擎
背後的騰訊雲OCR解析大模型，将“知識解析”的準确率提升25%。通過語義級知識切分、資料向量化，大模型能快速檢索到最比對的答案，大幅度降低幻覺，回答更可靠。
大模型圖像創作引擎提供AI圖像生成與處理能力的API技術服務，可以結合輸入的文本或圖檔智能創作出與輸入相關的圖像内容，支援圖像風格化、AI寫真、線稿生圖等能力。
大模型視訊創作引擎基于騰訊視訊生成大模型等一系列音視訊AI技術，支援高品質生成或處理視訊内容，覆寫視訊轉譯、視訊風格化、圖像跳舞、視訊插幀、藝術字視訊、運動筆刷、畫布拓展等能力。
大模型原生工具鍊推動AI普惠的同時，騰訊雲也更新了智能座艙、企點營銷雲AI助手、AI代碼助手等多款大模型産品應用，讓“開箱即用”的AI加速落地産業。
四、已接入内部600+場景，B端、C端雙管齊下
據湯道生透露，混元大模型已接入騰訊内部600多個應用場景。
在C端，近日微信讀書基于混元大模型推出AI問書、AI大綱等新功能，大幅提升使用者的閱讀效率和體驗。
▲混元大模型在C端落地
在B端，騰訊旗下的SaaS協作産品全面接入混元。騰訊客服團隊基于混元大模型更新智能客服體系，獨創智能客服垂直領域精調模型，在智能對話的意圖了解準确性和多輪問答流暢性方面，相比傳統小模型下文準确性提升了38%。
騰訊廣告基于混元推出了一站式AI廣告創意平台騰訊廣告妙思，助力提升廣告生産及投放效率，其中圖生圖平均點選通過率提升15%。
▲混元大模型在B端落地
結語：打破AI“落地玻璃”，讓大模型從可見變為可用
大模型技術已逐漸趨于成熟，但從“可見”到“可用”之間，仍有一定的距離。企業該怎麼找到生成式AI落地的最優路徑？從模型、平台、場景應用到算力基礎設施的全鍊路戰略是騰訊雲交出的答卷。
正如湯道生所說，“大模型的打造隻是起點，把技術落地到産業場景，創造價值才是目标”，打造大模型原生工具鍊，助力企業在知識服務、圖像和視訊創作上提質提效，“建構離産業最近的AI”才能讓大模型發揮最大的價值。