텐센트, 추론 기반 이미지 편집 모델 '혼원 이미지 3.0 인스트럭트' 오픈소스 공개

HunyuanImage 3.0-Instruct는 텐센트가 오픈소스로 공개한 이미지-투-이미지 및 이미지 편집 모델입니다. 간단히 말해 자연어 지시문 한 줄로 원본을 해치지 않고 정교하게 사진을 수정하거나, 여러 장의 사진을 자연스럽게 합성할 수 있는 도구입니다.

무엇을 할 수 있나

일반적인 텍스트 기반 이미지 생성 모델은 특정 부분만 골라 고치는 세밀한 명령을 따르기 어렵습니다. 반면 HunyuanImage 3.0-Instruct는 지시 이행과 시각적 추론 능력에 초점을 맞춰 미세조정되었습니다.

단일 이미지 편집에서는 요소의 추가, 삭제, 교체가 자유롭습니다. 접시 위의 크루아상을 라자냐로 바꾸거나 이미지 속 인물과 텍스트를 수정하는 작업이 손쉽게 가능합니다. 흑백 사진 복원이나 스타일 변환은 물론, 시점을 부감 샷으로 바꾸거나 조명 환경을 완전히 변경하는 복잡한 연출도 지원합니다.

다중 이미지 합성도 강점입니다. 서로 다른 사진에서 인물이나 특정 요소를 분리해 내 하나의 자연스러운 단체 사진이나 새로운 그래픽으로 합성해 줍니다.

어떻게 생각하고 편집하는가

기존 디퓨전 모델들은 프롬프트를 받자마자 바로 이미지를 그리기 시작해 건드리지 말아야 할 배경까지 망가뜨리는 경우가 많았습니다. 이 모델의 차별점은 사고 사슬(Chain of Thought)을 내장했다는 점입니다.

이미지와 지시문을 입력받으면 모델은 즉시 반응하지 않고 먼저 내부적인 추론을 거칩니다. 원본 이미지를 분석한 뒤 어느 영역을 수정해야 하는지, 어떤 순서로 단계를 밟을지, 어느 영역을 그대로 유지할지 상세한 편집 지침을 먼저 세운 후 렌더링에 들어갑니다.

IT즈자에 따르면 이 모델은 MoE(혼합 전문가) 구조로 총 80억 개 파라미터(활성 파라미터 약 13억 개)를 사용하며, 일부 커뮤니티 자료에서는 800억 개 규모로 언급되기도 합니다. 텐센트는 80개 이상의 작업을 포괄하는 천만 건 수준의 데이터를 학습시켰으며, 자체 MixGRPO 알고리즘과 보상 모델을 결합해 비편집 영역 보존 능력을 끌어올렸습니다.

하드웨어 요구 사양과 사용 방법

가중치는 완전히 공개되었지만 로컬 구동 난이도는 매우 높습니다. 전체 모델 가중치 용량이 약 169GB에 달해 방대한 VRAM이 필요하며, 일반적인 소비자용 그래픽 카드로는 사실상 실행이 불가능합니다.

대규모 GPU 인프라를 갖춘 환경이라면 로컬 워크플로에 탑재할 만하지만, 일반 사용자나 소규모 크리에이터는 공식 인터페이스를 활용하는 편이 훨씬 빠릅니다. 현재 텐센트의 '위안바오' 앱 전 플랫폼과 텐센트 혼원 공식 웹사이트에 해당 기능이 적용되어 있어, 이모티콘 제작이나 상업용 포스터 디자인, 사진 복원 기능을 바로 체험해 볼 수 있습니다.

왜 중요한가

오픈소스 생태계에서 텍스트 기반 생성은 이미 고도화되었지만, 원본을 보존하면서 세밀하게 부위만 고치는 오픈형 이미지 편집 모델은 늘 부족했습니다.

텐센트가 편집 과정에 사고 사슬을 도입한 것은 이미지 디퓨전 모델에 안전장치를 달아준 것과 같습니다. 169GB라는 막대한 용량 탓에 개인 개발자가 로컬에서 돌리기에는 진입 장벽이 크지만, 고성능 인프라를 보유한 팀이나 엔터프라이즈 환경에서는 폐쇄형 상용 API를 대체할 수 있는 가장 강력한 오픈소스 편집 백엔드가 등장한 셈입니다.