腾讯开源混元图像 3.0 Instruct：原生内置思维链，一句话精准修图

HunyuanImage 3.0-Instruct 是腾讯开源的图生图与图像编辑模型。说得直接点，它让你用一句话就能精准修改图片，或者把好几张照片合成一张新图。

它能做什么

传统的文生图模型很难精准听懂复杂的修图要求，但 HunyuanImage 3.0-Instruct 专门针对指令遵循和图像推理做了微调。

在单张图片编辑上，它支持增、删、改各种元素。你可以让它把黑白老照片上色、把普通照片改成特定肖像风格，甚至直接改变整张图的视角（比如改成俯视角度）或者调整环境光照。

改细节也很直接，比如把盘子里的牛角包换成千层面，或者修改画面里的人物和文字。除了单图修改，它还支持多图融合，能把多张照片里的人或物品提取出来，合成一张毫无破绽的新合照。

它是怎么思考和修图的

一般的扩散模型拿到提示词就直接开画，很容易把不需要改的地方一起改掉。混元 3.0 Instruct 的聪明之处在于，它原生内置了思维链（Chain of Thought）。

当你给它一张图和一句话要求，它不会立刻动手，而是先在后台「思考」。它会先理解原图里有什么，再推理出哪些区域要改、具体分几步改，以及哪些区域绝对不能动，把你的模糊要求细化成一套严谨的执行步骤。

据 IT之家报道，该模型采用混合专家（MoE）架构，总参数量 80 亿，激活参数约 13 亿；也有第三方材料提及参数规模达到 800 亿。它的底座来自混元图像 3.0，团队挖掘并合成了千万量级、覆盖 80 多个任务的图生图数据。

在后训练阶段，它用了自研的 MixGRPO 算法，通过奖励模型多轮对齐用户偏好。这也是为什么它能在听懂复杂要求的同时，尽量不让原图里没被点名的部分变形走样。

硬件门槛与怎么上手

虽然模型开源了，但想在本地跑起来门槛非常高。模型的完整权重总大小约为 169 GB，对显存有着极度苛刻的要求，普通的消费级显卡基本上跑不动。

如果你手里有充足的专业显存，可以把它部署成私有的本地修图工作流。但对于绝大多数普通用户和设计师，更现实的玩法是直接用官方服务。

腾讯目前已经在「元宝」全端和腾讯混元官网同步上线了这套能力，你可以直接在元宝里上传照片做表情包、生成合拍、做电商海报或者修老照片。

为什么重要

目前开源社区里并不缺文生图模型，但好用的开源图生图与精准局部编辑工具一直少之又少。很多模型一动局部就毁掉全图，实用价值大打折扣。

腾讯把思维链引入图像编辑，本质上是用语言推理的能力给图像扩散加了个安全阀。虽然 169 GB 的庞大体量把大部分独立开发者挡在了门外，但对有集群算力的团队来说，它提供了一个现阶段顶尖的开源图像编辑底座；普通用户也能直接在元宝里免费体验到这种思考型修图。