9月28日，腾讯发布并开源了混元图像3.0。官方给出的三个关键信息是：参数规模800亿，是当前体量最大的开源生图模型之一；采用混合专家架构，单次推理只激活其中约130亿参数；架构上把图像理解与图像生成放进同一套自回归框架，而不是让一个模型负责读懂提示词、另一个模型负责把画面画出来。腾讯方面称这是首个工业级原生多模态生图模型，并同步开放了模型权重、训练代码、数据清洗脚本与量化部署工具链。对一个仍在快速迭代的赛道来说，一次把底座白送出去的开源动作，比单纯的参数数字更值得拆解。
生图模型长期面临一个两难：参数规模越大，模型对复杂提示词的理解与画面细节的还原能力越强，但推理成本也随之上升，商用场景下每张图的成本会变得难以接受。混合专家架构的思路是把大模型的容量与小模型的计算量拆开。混元图像3.0把800亿参数分散在64个专家网络中，通过门控机制在每次推理时只调用与当前任务相关的部分，实际激活量约130亿。官方称这种方式让计算资源消耗降低六成以上，同时保留了大参数模型在复杂特征学习上的能力。
这种设计对部署形态的影响很直接。过去要把一个高质量生图模型跑在本地，往往需要专业级显卡和较长的等待时间；激活参数下降之后，消费级硬件上实时预览成为可能，企业也能用更低的单位成本做批量生成。对内容行业而言，成本的下降往往比画质的边际提升更能改变工作方式。当单张图的生成费用低到可以忽略时，设计流程就会从精挑细选一次出图，转向批量生成再筛选，人力的重心也从调提示词转移到判断与编辑。这也是为什么生图赛道近一年的竞争焦点，从比画质逐渐转向比单位成本与部署灵活性。
传统生图模型大多是两段式：先用一个文本编码器或视觉语言模型理解提示词，再把理解结果交给生成网络。这种分工在实践中会丢失信息，尤其是当提示词很长、包含多个相互约束的条件时，理解阶段的压缩会把细节抹掉。混元图像3.0把两个环节统一到同一套自回归框架里，官方称其具备语言模型的思考能力与常识理解能力，能够处理最长约1000个词元的文本输入，大致相当于500个汉字的复杂指令。
统一架构带来的直接变化是对长指令与多元素组合的处理能力。当需求同时包含主体、场景、风格、配色和文字内容时，两段式方案容易出现顾此失彼，比如画面对了但文字写错，或者元素齐全但空间关系不合理。单框架方案在生成过程中可以持续参考原始指令，减少中间压缩带来的损失。这也是官方把它称为原生多模态的原因：理解与生成不是拼接的两块，而是同一个模型的两面。当然，这类架构的训练成本更高，对数据和算力的要求也更苛刻，能否在开源之后维持迭代速度，取决于社区能否形成有效的二次开发生态。
值得注意的是腾讯在生图上的打法并不单一。一方面把800亿参数的底座开源，另一方面持续压低商用接口的价格，此前已经推出按输出张数计费的低价方案。开源吸引的是开发者、研究者与需要私有化部署的企业，他们关心的是能否改、能否本地跑、数据能否不出域；低价接口面向的是不愿承担部署与运维成本的团队，他们关心的是调用一次要花多少钱。两条路线看似矛盾，实际覆盖的是两类完全不同的客户。
这种组合对生态的影响是双向的。开源会带来大量的二次开发与行业微调，这些工作会反过来暴露模型的短板并推动社区贡献，形成事实上的生态护城河；而低价接口则把使用门槛压到足够低，让中小团队在没有技术储备的情况下也能接入。对同赛道的其他厂商来说，压力不只来自单点能力，而是来自这种同时覆盖高端与长尾的定价结构。当开源版本足以满足大部分场景时，纯靠API收费的中间层空间会被压缩。更直接的影响在客户端：一旦企业发现开源版本可以私有化部署、数据不必出域，它们在采购谈判中的议价能力会明显增强，云厂商想靠接口价格锁定长期客户，难度会比过去更大。
把这次开源放进更大的背景看，国产生图模型近一年形成了明显的开源路线分化。有的团队选择开放权重但限制商用，有的把模型做成订阅制产品，有的则把底座开源、靠云服务与生态变现。同一项能力对应三种商业模式，背后是对自身优势的判断不同：算法强但渠道弱的团队倾向于开源换生态，渠道强、算力足的团队更愿意用产品直接收钱。混元图像3.0选择的是把底座放开、把服务留在云上。
对使用者来说，这种分化带来了更丰富的选择，也带来了新的判断题。开源不等于零成本，私有化部署要考虑显存、推理框架与运维人力；接口便宜也不等于总成本低，批量生成背后的审核、版权与数据合规仍需自行承担。真正需要比较的是完整链路：从提示词到可用素材，中间有多少环节需要人工介入，出错后的返工成本有多高。模型的榜单排名会不断变化，但这些工程细节决定了一个模型能否真正进入日常生产流程。对内容团队而言，能否稳定交付可用素材，比单张图的惊艳程度更重要。