騰訊于5月14日宣布將混元文生圖大模型升級并公之于眾，已發布至Hugging Face以及Github之上，包括模型權重、推理代碼、模型算法等全方位數據，均向企業與個人開發者提供免費商業使用權限。

升級版混元文生圖大模型采取了與Sora相同的DiT架構設計。騰訊強調，這是全球首個中英雙語DiT架構。

基于Diffusion Transformer的混元DiT是一種文本到圖像生成模塊，具備中英細粒度理解能力，能與用戶進行多輪對話，根據上下文生成并完善圖像。

此外，它還是業界首個中文原生DiT架構文生圖開源模型，支持中英文雙語輸入及理解，參數規模高達15億。

運行該模型需配備支持CUDA的NVIDIA GPU，單次運行混元DiT所需最低顯存為11GB；若要同時運行DialogGen（騰訊推出的文本轉圖像多模態交互式對話系統）和混元DiT，則至少需32GB顯存。騰訊表示，他們已在Linux環境下對NVIDIA的V100和A100 GPU進行過測試。

國內首次官方“大模型標準符合性評測”結果出爐，騰訊混元大模型成功入選首批通過評測的國產大模型行列，其他通過評測的大模型還包括阿里通義千問、360智腦和百度文心一言。