文章核心观点 - 腾讯混元图像3 0模型在LMArena文生图竞技场榜单中位列全球第一，超越了谷歌、字节跳动和OpenAI等公司的模型[1][7] - 该模型是业界首个开源的工业级原生多模态生图模型，参数规模高达800亿，展现了公司在AI领域的厚积薄发[10][13] - 模型采用创新的广义因果注意力和二维位置编码等技术，实现了文本和图像的统一理解与生成，在多项评测中媲美甚至超越行业顶尖闭源模型[12][40][63][65] 模型性能与排名 - 在LMArena文生图榜单中，腾讯混元图像3 0以1167分的成绩排名第一，谷歌Gemini 2 5 Flash Image Preview以1151分位列第二[1] - 该榜单由美国加州大学伯克利分校推出，采用基于人类真实偏好的盲测机制，累计总投票数达3,159,029次，被公认为国际权威的AI模型竞技场[4][5][6] - 模型在人工评测GSB中相较于Seedream 4 0胜率为1 17%，相较于Nano Banana胜率为2 64%，相较于GPT Image胜率为5 00%[65] 技术架构创新 - 模型采用原生多模态架构，能够通过单一模型处理文字、图片、视频与音频等多种模态的输入与输出，无需依赖多个组合模型[12][17] - 引入广义因果注意力机制，有效整合了文本的自回归生成特性和图像的全局上下文捕捉能力[41][42] - 实现广义二维RoPE位置编码，确保与预训练语言模型的向后兼容性，同时支持图像tokens的二维位置处理[46][48] - 创新自动分辨率预测功能，模型可根据上下文自动决定合适的图像形状，无需用户确定性输入[50][51] 模型能力展示 - 模型具备强大的语义理解能力，能够响应复杂长文本并利用世界知识进行推理，例如生成中秋节海报、十二生肖表情包等创意内容[19][22][24] - 可处理复杂概念和场景生成，如“林黛玉大战孙悟空”、完全由火焰构成的猫咪以及具有高级艺术感的香水广告大片[25][28][31][33] - 支持多任务处理，包括解方程并展示计算过程、生成复古票券拼贴画以及科技感和人物特写图像，细节处理精细[68][70][72][74] 数据构建与训练策略 - 采用三阶段过滤流程从超过100亿张原始图像中筛选出近50亿张高质量、多样化图像用于训练[53] - 构建中英双语、分层级的描述体系，并集成OCR和命名实体识别代理来保证描述的真实性[55] - 预训练过程分为四个渐进式阶段，数据从粗到精筛选，VAE编码器图像分辨率逐步提高，并引入思维链生图任务[56][59] - 通过SFT、DPO、MixGRPO、SRPO和ReDA等多阶段后训练优化模型，提升图像真实感与清晰度[59][60] 行业发展与影响 - 文生图领域正从传统DiT架构转向原生多模态模型架构，混元图像3 0的开源为行业提供了新的技术路径[16] - 模型登顶权威榜单标志着公司在AI生成式模型领域已达到全球领先水平，对行业竞争格局产生重要影响[1][67] - 模型开源发布可促进AI社区发展，开源仓库和Hugging Face平台已开放访问，助力行业技术普及与创新[78]

模型发布与核心定位 - 腾讯混元发布并开源原生多模态图像生成模型HunyuanImage 3.0，参数规模高达800亿，是目前参数量最大的开源生图模型[1] - 该模型是首个开源工业级原生多模态生图模型，将理解与生成一体化融合，效果对标业界头部闭源模型，堪称开源领域最强图像生成模型[1] - 模型支持多分辨率图像生成，具备强大的指令遵从、世界知识推理和文字渲染能力，出图具有极致的美学与艺术感[1] 模型能力与生成效果 - 模型继承了Hunyuan-A13B的世界知识，具备原生世界知识推理能力，例如能根据“解方程组5x+2y=26，2x-y=5，给出详细过程”的提示词解题并生成步骤图[4][5] - 能够驾驭复杂提示词，如“用一幅图介绍堆排序算法流程，用小黄脸的表情包可视化，表情越开心代表数值越大，并提供伪代码，手帐风格，小红书图片样式”[7] - 通过对文字渲染数据的定向补充和借助HunyuanOCR进行文字识别的能力提升，3.0版本实现了接近头部模型的文字渲染能力，便于海报、表情包制作等创意玩法[7] - 经过与设计师配合的后训练打磨，模型形成了自身的美学风格，能够进行四宫格图生成、漫画创作、不同材质模型设计及素描教程制作[11][14] 核心技术方案 - 新一代模型基于Hunyuan-A13B（总参数量800亿，激活参数量130亿），采用原生多模态、统一自回归框架，将文本理解、视觉理解与高保真图像生成深度融合[17] - 不同于将LLM仅作编码器的传统DiT路线，混元3.0以LLM为核心底座，天然继承强大的语言与推理能力，并在预训练阶段深度混合LLM数据、多模态理解与生成数据，形成“理解反哺生成、语言驱动视觉”的正反馈闭环[19] - 模型采用VAE+ViT的联合特征作为图像理解输入，在图像生成侧将Diffusion建模无缝嵌入LLM架构，实现文本和图像的灵活交互，覆盖从创作到编辑的完整链路[23] 关键技术创新 - 引入广义因果注意力，在保持文本token遵循因果型注意力的同时，对图像token赋予全局注意力能力，形成兼顾“语言因果推理”与“图像全局建模”的注意力矩阵[25][26] - 采用“图文交织”的训练范式提升长上下文理解与生成能力，训练序列可包含多个加噪图像，并通过专用attention mask确保训练与推理的一致性[28] - 将LLM中的一维位置编码扩展为二维位置编码，并保证完全兼容原来文本token的一维编码，以最大程度保持原始LLM的语言能力[30] 数据处理与训练策略 - 采用全面的三阶段过滤流程，从超过100亿张原始图像中筛选出近50亿张高质量、多样化图像，并补充了知识增强、文本相关等专业数据集[32] - 构建了中英双语、分层级的图像描述体系，并集成专门的OCR和命名实体识别代理来保证描述的真实性，还专门构建了推理数据集以激活模型的思维链能力[34] - 采用渐进式四阶段预训练，从256像素分辨率开始逐步提升至1024像素，并引入复杂交错图文数据及思维链数据，后续进行指令微调和多阶段后训练[36][37][38] 模型性能评估 - 模型采用机器指标和人工评测两种方式评估效果，其中SSAE指标构建了500道评测题目并按12个细分要点拆解，HunyuanImage 3.0在各细分要点上都媲美甚至超越业界领先模型[40][43] - 在人工评测GSB中，HunyuanImage 3.0相较于Seedream 4.0胜率为1.17%，相较于Nano Banana胜率为2.64%，相较于GPT-Image胜率为5.00%，相较于上一版本模型HunyuanImage 2.1胜率为14.10%[46] - 评测结果表明HunyuanImage 3.0是足以媲美业界领先闭源模型的开源模型[47]

报告行业投资评级 未提及 报告的核心观点 报告推荐华安证券2025年8月金股组合，涵盖医药、科技、食饮等多个行业，从市场资金配置、基本面、业务中标情况、技术能力、业务拓展等多方面阐述各公司投资价值及增长潜力 [1] 根据相关目录分别进行总结 医药行业（开立医疗） - 从市场资金看，设备板块今年涨幅小会增加配置；从基本面看，2024Q4以来终端招采持续恢复，预计2025Q3反映在财报 [1] - 公司超声、内镜、外科腔镜上半年中标情况好，超声中标增幅超100%，消化内镜约28%，外科腔镜2025年上半年中标超7000万，上半年预计中标份额6.53亿，同比增119% [1] 科技行业（快手） - 具备全球tier 1文生图模型，有望重估主业，可灵商业化进程加速，业绩稳定增长 [1] 食饮行业（东鹏饮料） - 25年茶饮市场旺盛，公司平台化能力深化、港股上市驱动国际化战略，今明年核心增量为平台化深化和国际化布局 [1] - 主业东鹏特饮有机增长，新品补水啦/果之茶放量，第二增长曲线完备，平台化能力有望获市场认可 [1] - 港股上市带动出海加速，打开中长期收入天花板；成本红利和规模效应使毛利率提升，盈利能力处于上升通道 [1] 电子行业（精智达） - 公司是合肥长鑫产业链扩产FT CP测试机及老化测试设备重要供应商，2025年Q1落实FT测试机订单，半导体设备营收规模按股权激励目标达5亿，是2024年2.4亿的2倍 [1] - 公司从面板测试设备收入主导转变为2025年半导体设备占比50%，长鑫向HBM3迈进，公司高速FT测试机和二代CP测试机未来落地将打开成长空间 [1] 军工行业（中航沈飞） - 2025年是十四五规划决胜之年，公司将完成全年任务，努力成为国内领军航空装备企业 [1] 通信行业（广和通） - 端侧AI领先，绑定字节，有AI玩具解决方案及ODM业务；布局具身智能机器人，供货全球头部机器人公司 [1] 汽车行业（凌云股份） - 有新能源汽车热成型、电池壳双引擎驱动，机器人传感器业务加速推进，有望打开新成长空间 [1] 机械行业（杭氧股份） - 成立海外BU和象山产能，海外订单增厚业绩；管道气投放落地，气体量增长 [1] - 钢铁及光伏行业稼动率和盈利性提升，零售气有望见底回升；海外巨头市值高，行业天花板高，成长空间广阔 [1] 化工行业（兴发集团） - DMC草甘膦价格弹性大，化肥Q3出口向好，新能源Q3扭亏，25Q1业绩环比复苏，静待需求回暖 [1] 有色行业（北方稀土） - 国内政策提升稀土定价权，价格有望上行，行业利润提升；布局高增长领域，磁材订单饱满，永磁电机销量同比增120% [1]

开源模型发布 - Black Forest开源文生图模型FLUX 1-Kontext开发者版本 [1] - 模型功能支持通过自然语言实现一键P图 [1] - 在人类偏好评估 指令编辑 文本插入与编辑 样式参考等基准测试中超越OpenAI的GPT-image-1模型 [1] 技术性能 - FLUX 1-Kontext成为当前最强开源文生图模型之一 [1] - 测试数据由Black Forest官方公布 [1]

OpenAI与苹果前设计官合作的神秘AI硬件 - OpenAI CEO奥特曼与苹果前首席设计官艾维联合创立io公司 计划2024年末发布首款无屏幕AI硬件 目标量产1亿台 [1] - 产品设计特点包括无屏幕 内置摄像头和麦克风 外形类似iPod Shuffle 挂脖式设计 尺寸大于AI Pin 可与智能手机及PC联动 [1] - 目前市场猜测产品形态多样 包括GPT版Apple Watch 便携桌面AI摄像头等 AI生成图在X平台引发近9000人次围观 [4][6][1] Google Imagen 4图像生成技术突破 - Imagen 4在细节处理上显著提升 支持2K分辨率 优化皮肤 毛发 复杂纹理表现 生成速度将比前代快10倍 [10][18] - 模型擅长写实风格 如金毛狗沙滩找贝壳案例中 毛发光泽 光影分布 眼神指向等细节优于Imagen 3和豆包Seedream3.0 [24][26] - 新增抽象风格创作能力 改进拼写排版质量 适用于贺卡 海报 漫画等场景 支持多格漫画连续叙事和像素风创作 [11][12][14][16] Gemini多模态AI设计应用案例 - Gemini 2.5 Flash可在10秒内生成电子屏帆布包设计图 包含大中小型号标注 设计线条流畅保留手绘感 [28][31] - 模型实现产品海报配色局部修改 但需精确prompt控制 文字排版美观度高 整体生成可控性较强 [36][38] - 支持真人模特替换为卡通形象 生成社交媒体邀请函 自动添加emoji和tag词条宣发文案 [40][42]