騰訊開源混元影像 3.0 Instruct：原生內建思維鏈，一句話精準修圖

HunyuanImage 3.0-Instruct 是騰訊開源的圖生圖與影像編輯模型。說得直接點，它讓你用一句話就能精準修改圖片，或者把好幾張照片合成一張新圖。

它能做什麼

傳統的文生圖模型很難精準聽懂複雜的修圖要求，但 HunyuanImage 3.0-Instruct 專門針對指令遵循和影像推理做了微調。

在單張圖片編輯上，它支援增、刪、改各種元素。你可以讓它把黑白老照片上色、把普通照片改成特定肖像風格，甚至直接改變整張圖的視角（比如改成俯視角度）或者調整環境光照。

改細節也很直接，比如把盤子裡的牛角包換成千層面，或者修改畫面裡的人物和文字。除了單圖修改，它還支援多圖融合，能把多張照片裡的人或物品提取出來，合成一張毫無破綻的新合照。

它是怎麼思考和修圖的

一般的擴散模型拿到提示詞就直接開畫，很容易把不需要改的地方一起改掉。混元 3.0 Instruct 的聰明之處在於，它原生內建了思維鏈（Chain of Thought）。

當你給它一張圖和一句話要求，它不會立刻動手，而是先在後臺「思考」。它會先理解原圖裡有什麼，再推理出哪些區域要改、具體分幾步改，以及哪些區域絕對不能動，把你的模糊要求細化成一套嚴謹的執行步驟。

據 IT之家報道，該模型採用混合專家（MoE）架構，總引數量 80 億，啟用引數約 13 億；也有第三方材料提及引數規模達到 800 億。它的底座來自混元影像 3.0，團隊挖掘併合成了千萬量級、覆蓋 80 多個任務的圖生圖資料。

在後訓練階段，它用了自研的 MixGRPO 演算法，通過獎勵模型多輪對齊使用者偏好。這也是為什麼它能在聽懂複雜要求的同時，儘量不讓原圖裡沒被點名的部分變形走樣。

硬體門檻與怎麼上手

雖然模型開源了，但想在本地跑起來門檻非常高。模型的完整權重總大小約為 169 GB，對視訊記憶體有著極度苛刻的要求，普通的消費級顯示卡基本上跑不動。

如果你手裡有充足的專業視訊記憶體，可以把它部署成私有的本地修圖工作流。但對於絕大多數普通使用者和設計師，更現實的玩法是直接用官方服務。

騰訊目前已經在「元寶」全端和騰訊混元官網同步上線了這套能力，你可以直接在元寶裡上傳照片做表情包、生成合拍、做電商海報或者修老照片。

為什麼重要

目前開源社群裡並不缺文生圖模型，但好用的開源圖生圖與精準區域性編輯工具一直少之又少。很多模型一動區域性就毀掉全圖，實用價值大打折扣。

騰訊把思維鏈引入影像編輯，本質上是用語言推理的能力給影像擴散加了個安全閥。雖然 169 GB 的龐大體量把大部分獨立開發者擋在了門外，但對有叢集算力的團隊來說，它提供了一個現階段頂尖的開源影像編輯底座；普通使用者也能直接在元寶裡免費體驗到這種思考型修圖。