AI小模型语言，创新，迎来突破

AI小模型语言，创新，迎来突破

腾讯混元 DiT 模型迎来三大革新，其中包括面向显存受限环境的小显存版本，仅需6GB显存即可高效运行，这无疑为使用个人电脑的开发者们提供了更为友好的解决方案。与此同时，混元 DiT 模型已升级至1.2版，进一步提升了图片生成的质量，同时降低了硬件要求，使得更多开发者能够轻松参与进来。

为了进一步简化开发流程，混元 DiT 现已与Hugging Face合作，将小显存版本、LoRA与ControlNet插件集成至Diffusers库中。这意味着开发者只需通过简单的几行代码，即可调用这些功能，极大地减少了操作复杂度，提升了开发效率。

混元 DiT 现已兼容Kohya，这是一款开源的、轻量级模型微调训练服务，以其直观的图形用户界面著称，广泛应用于扩散模型类文生图模型的训练。通过Kohya，开发者可以轻松完成模型的精细化调整和LoRA模型训练，无需深入了解底层代码细节。训练完成后，模型可无缝对接WebUI等推理界面，形成一套完整的“训练-生图”工作流程。

为解决文生图领域数据集生成的挑战，腾讯混元团队开源了混元 Captioner，一款专为文生图场景设计的打标模型。借助混元 Captioner，开发者能够高效生成高质量的数据集。无论是原始图片集的导入，还是图片与描述的组合，混元 Captioner均能自动生成或优化图片描述，剔除无关信息，提高数据的准确性与实用性。

相较于传统多模态Captioner模型，混元 Captioner在描述生成方面展现出独特优势。它能够生成更加贴合画面内容的描述，避免了描述过于简略或包含过多无关信息的问题。同时，混元 Captioner具备出色的中文描述能力，解决了部分模型中文描述不够精准的局限性，为中文文生图应用提供了有力支撑。

在大语言模型（LLM）风头正盛的当下，小语言模型（SLM）以其独特的魅力崭露头角。xLAM-1B，一个仅有10亿参数的模型，在特定功能调用任务中超越了诸如OpenAI的GPT-3.5 Turbo和Anthropic的Claude-3 HAIku等庞然大物，证明了规模并非决定一切。

这股“少即是多”的趋势，不仅挑战了大模型的Scaling Law，也为AI领域的未来开辟了新的可能性。pc端侧模型的普及时代来临。