GLM-Image

GLM-Image

根据文字和参考图片生成与编辑图像，图片里的文字渲染很准确，采用自回归加扩散的设计。适合需要在图片里写准确文字的创作者和开发者。

由 zai-org 在 Hugging Face 上制作。这些说明是 Mindket 根据它的模型页面和模型卡写的，模型自己的文件和许可证在 Hugging Face 上。

简介

它是什么：GLM-Image 是一个图像模型，把一个 9B 的自回归生成器和一个 7B 的扩散解码器配在一起。同一个模型既可以只凭提示词作画，也可以从一张参考图开始。作者说它在通用质量上与主流的潜空间扩散模型相当，而在画出清晰可读的文字和知识密集的场景上更强。

适合谁：它适合需要带准确文字的图片（比如海报和图表）的创作者和开发者，也适合想在同一个模型里做编辑和风格迁移的人。

行业 | 谁在用 | 怎么用 | 例子
营销 | 设计师 | 生成画面里带文字的海报和横幅 | 带中文或英文标题的海报
教育 | 老师 | 根据描述做信息密集的图表 | 带标注的图解学习页
内容创作 | 图像创作者 | 编辑图片、迁移风格、保持主体一致 | 给照片换风格，同时保持同一个人
软件开发 | 开发者 | 通过 diffusers 给应用加上图像生成 | 把提示词变成图片的功能

如果你只需要在普通显卡上运行的小模型，可以跳过它，因为完整的 BF16 权重约 13.9 GB。

用在哪里：

• 使用 diffusers 库的 Python 代码，在 GLM-Image 管线中
• transformers 库，里面也有这个模型的实现
• Windows、macOS 或 Linux，下载需要 Python
• 厂商的托管 API，模型卡把它作为另一种入口

用途 | 适合谁 | 得到什么
文生图 | 创作者 | 根据文字描述生成的细节丰富的图片
图像编辑和风格迁移 | 编辑 | 参考图片的修改版本
主体一致的图片 | 品牌团队 | 保持同一个人或物体的多张图片

如何设置：

• 你电脑上的 Python
• 一块 GPU，因为模型卡的示例是以 BF16 在 CUDA 上加载模型
• 较新的 transformers 和 diffusers，模型卡说要从源码安装
• 磁盘空间，BF16 权重约 13.9 GB

1. 用 pip 安装 Hugging Face hub 软件包。
2. 下载仓库文件。
3. 按模型卡的说明，从源码安装 transformers 和 diffusers。
4. 在 Python 里通过 GLM-Image 管线加载模型。

pip install -U huggingface_hub
hf download zai-org/GLM-Image

如何使用：你在 Python 里加载管线，然后文生图时传入提示词，图生图时传入提示词加一张参考图。模型卡的示例是这样开头的。

import torch
from diffusers.pipelines.glm_image import GlmImagePipeline

pipe = GlmImagePipeline.from_pretrained("zai-org/GLM-Image", torch_dtype=torch.bfloat16, device_map="cuda")

示例：有人加载管线，写一个提示词，要一张带简短标题和几个带标签板块的海报。模型返回一张图片。模型卡说，当画面里有密集文字或需要真正的知识时，这个模型尤其强。

新手与专家：如果你是新手，先写一个简短的提示词，里面放几个你想印在图片上的词，并检查输出里的拼写。之后再写更长的提示词。

如果你熟悉这个领域：自回归部分先写出约 256 个词元的紧凑编码。然后把它扩展到 1K 到 4K 个词元，对应 1K 到 2K 分辨率的输出。带字形编码器的扩散解码器负责文字渲染。训练用的是带 GRPO 的解耦强化学习，对两个部分分别给出反馈。

写提示词，可附一张参考图
自回归模型起草紧凑编码
把编码扩展成更多词元
扩散解码器渲染图像
查看结果里的文字和细节

注意事项：

• Limits: 安装需要从源码装 transformers 和 diffusers，而且在这里给出的部分，模型卡没有写最低硬件要求。
• Claims: 与其他模型的质量对比来自作者。
• Languages: 记录里列的是中文和英文。
• License: MIT。
• Cost to run: 没有提到价格，模型卡还链接了厂商的托管 API。
• Data it reaches: 它把模型文件复制到你的电脑，并读取你给它的提示词和图片。

Hugging Face 上的数据（2026年11月14日）

• 任务：text to image
• 框架：diffusers
• 参数量：6.9B
• Weights: about 13.9 GB in BF16; about 3.5 GB at 4-bit (estimate)
• Formats: Safetensors
• 最近 30 天下载：14,352
• 点赞：1,129
• 许可证：mit
• 语言：zh, en
• Quantized versions: 2
• Fine-tunes: 12
• 标签：diffusers, safetensors, text-to-image

链接

• 模型：https://huggingface.co/zai-org/GLM-Image
• 文件：https://huggingface.co/zai-org/GLM-Image/tree/main

获取模型

用 Hugging Face 的命令行下载它的文件：

pip install -U huggingface_hub
hf download zai-org/GLM-Image

然后按它的模型卡使用它。这个工具包里没有会自己运行的东西。