一、设计师最怕的破绽
问任何一位设计师，AI 画图最容易在哪翻车，答案往往不是画本身，而是画里的字。一张海报美得不行，"SUMMER SALE" 却变成了 "Sumer Sale"；一句中文标语糊成一团装饰性涂鸦；deadline 被迫推迟，因为有人得手工重排版面。
大多数模型把文字当成纹理来"涂抹"，画的是字母的形状，而不是真正在写字。智谱（Zhipu AI）做的 GLM-Image，正面瞄准的正是这个短板。
二、16B 是怎么分工的
GLM-Image 于 2026 年 1 月开源，是一个 160 亿参数的混合系统，由 90 亿参数的自回归模块和 70 亿参数的扩散解码器拼成。拆分是重点：自回归那一半像语言模型一样读你的提示词，先决定画面里该放什么，再——关键地——在像素出现之前，把文字内容当作语言来确定；扩散那一半才负责渲染。一个专门的字形编码器放置笔画，让输出是真正的字符，而不是长得像字符的污迹。
三、那个 91.16% 为什么重要
在 CVTG-2K 这个测试一张图里多个文字区域（主标题、副标题、角落标签同时出现）的基准上，GLM-Image 报出 91.16% 的单词准确率。它在长文本测试上也表现不俗：官方称 LongText-Bench 上英文准确率超过 0.95、中文接近 0.98。这些数字是厂商自报的，方向性参考即可，但它们指向的正是通用扩散模型最差的那块——同一张画布上密集、多语言的文字。
模型最高生成 2048 像素，支持可变长宽比、文生图、图生图、风格迁移、背景替换和身份保持。智谱把它定位在"知识密集"任务上：科学示意图、商业海报、多格漫画，逻辑和纹理都得站得住。对中文用户来说，最亮眼的是同一张图里中英文都能正确呈现——这是任何真实营销或编辑用途的底线，多数开源模型至今做不到。
四、开源权重才是真正产品
GLM-Image 以开放权重形式发布，挂在 Hugging Face 上，并用华为昇腾（Ascend）加速器、基于 MindSpore 训练。第二件事比听起来重要：多年里中国前沿模型依赖国外 GPU，一个端到端用国产硬件训练的大规模图像模型，是本地技术栈能扛生产级训练、而非只做推理的信号。智谱的迭代周期也缩短了，因为团队不必等外部供应。
定价印证了这一定位。通过 Z.ai 的 API，生成报价约为每张图 0.015 美元，便宜到可以一次甩出几十个草稿。这是"被使用而非被演示"的工具经济学。对不愿把品牌素材送去海外云的客户，开放权重意味着可以自托管，而 160 亿参数足够小，无需数据中心预算就能跑。
五、在中国图像赛道的站位
GLM-Image 进的是一个拥挤的赛道。阿里的 Qwen-Image 系列和字节的 Seedream 都在文字和真实感上发力；腾讯的混元图像（HunyuanImage）则带来大规模混合专家设计。GLM-Image 的差异化在于一个明确赌注：对付费用户来说，排版和版式——而不是为真实感而真实感——才是瓶颈。情绪板可以模糊；带价格的轮播广告、带钩子的缩略图、带日期和场地的海报，不能。
这也是为什么"开源"在这里比纯美貌更重要。忌惮供应商锁定或数据驻留的企业，可以拿走权重，用自己的品牌字体和 logo 微调，把流水线留在本地。在中国企业市场，这种控制权常常是试点与采购之间的分水岭。
诚实的局限
许可证和确切发布日期在各公开列表里并不一致；GLM-Image 被描述为开源、开放权重，但精确许可证名称在不同来源间有出入，本文因此不写明单一许可证。CVTG-2K 的 91.16% 以及 LongText-Bench 分数，都是智谱自报数字，本文未独立复现。原始审美真实感可能落后于专用美术模型——这是刻意做的取舍。在昇腾上训练由项目方披露、并有第三方报道佐证，但本文未单独核实。投产前请以当前模型卡片核对能力声明。
普通人现在能做什么
- 如果你做海报、信息图或产品视觉，拿一个真实的中英混排版面去测 GLM-Image，别只丢一句人像提示词。
- 在下决心前，把你自己的品牌素材拿到 Z.ai 约每张 0.015 美元的 API 上去，跟 Qwen-Image、Seedream 比一比。
- 对敏感或高用量工作，评估在本地加速器上自托管开放权重，把数据和字体留在自家手里。