Tencentは1月28日、Hunyuan画像3.0 Image-to-Image版を正式にオープンソース化したと発表した。最新のLMArena画像編集ランキングで世界第7位を獲得し、上位7モデルの中で唯一のオープンソースモデルとなった。このモデルは混合エキスパートネイティブマルチモーダルアーキテクチャを採用し、総パラメータ規模は80B、アクティブパラメータは約13Bである。
追加、削除、修正、スタイル変換、古い写真の修復、人物とテキストの修正などの画像編集機能をサポートする。トレーニングプロセスでは数千万規模の画像生成データを構築し、80以上のタスクをカバーした。
1月26日に元宝上でリリースされた。Tencent Hunyuan公式によると、画像・動画派生モデルの総数は3000個、動画モデルのコミュニティダウンロード数は500万超、Hunyuan 3Dシリーズモデルのコミュニティダウンロード数は300万超となっている。
From: 
腾讯混元放出AI”终极P图神器”，网友们玩疯了
【編集部解説】
TencentがオープンソースとしてリリースしたHunyuan画像3.0 Image-to-Image版は、AI画像編集領域における重要な転換点を示しています。80Bという膨大なパラメータ規模を持ちながら、推論時にはMixture-of-Experts（MoE）アーキテクチャにより13Bのパラメータのみを活性化させることで、効率性と性能を両立させている点が技術的な注目ポイントです。
このモデルの最大の特徴は「先に思考、後から編集」というワークフローにあります。従来の画像生成AIが単にプロンプトに反応するのに対し、Hunyuan画像3.0は入力された画像とユーザーの意図を理解し、編集が必要な領域と保持すべき領域を推論してから詳細な編集指示を生成します。これはChain-of-Thought（思考チェーン）推論を画像編集に応用したものであり、より文脈に即した精緻な編集を可能にしています。
後トレーニングで使用されているMixGRPOアルゴリズムは、Tencentが独自開発した手法です。これは従来のDanceGRPOと比較して、トレーニング時間を約50%削減しながら、人間の好みへのアライメント性能を向上させることが論文で報告されています。高速化版のMixGRPO-Flashではさらに71%の時間短縮を実現しており、大規模モデルの実用化における効率性の課題に一石を投じる成果といえるでしょう。
元宝（Yuanbao）というプラットフォームでの公開も戦略的です。これはTencentが提供するAIアシスタントで、WeChatの公式アカウントやSogou検索などTencentのエコシステムと統合されています。一般ユーザーが高度な画像編集機能に簡単にアクセスできる環境を整えることで、AI技術の民主化を加速させる狙いがあります。
オープンソース化によるポジティブな側面は、開発者コミュニティがこの技術を自由に改良・応用できる点です。eコマースにおける商品画像生成、ゲーム開発でのアセット制作、クリエイティブ業界でのコンセプトアート制作など、多様な産業での活用が期待されます。
一方で、潜在的なリスクも考慮すべきでしょう。高度な画像編集技術は、ディープフェイクや誤情報の拡散に悪用される可能性があります。特に「先に思考、後から編集」というアプローチは、より自然で検出困難な改変画像を生成できるため、デジタルコンテンツの真正性検証がますます重要になります。
長期的には、このような大規模マルチモーダルモデルのオープンソース化が、AI画像生成技術の標準化と品質向上を促進するでしょう。商用モデルとオープンソースモデルの競争が激化することで、技術革新のペースはさらに加速すると予想されます。
【用語解説】
オープンソース
ソフトウェアのソースコードを無償で公開し、誰でも自由に利用・改変・再配布できる開発モデルである。商用利用も可能で、開発者コミュニティによる改良や応用が促進される。
Image-to-Image（画像から画像への変換）
既存の画像を入力として受け取り、その画像を編集・変換して新しい画像を出力するAI技術である。テキストから画像を生成するText-to-Imageとは異なり、元画像の要素を保持しながら部分的な修正や全体的なスタイル変換が可能となる。
Mixture-of-Experts（MoE）
大規模なニューラルネットワークにおいて、複数の専門的なサブネットワーク（エキスパート）を用意し、入力に応じて一部のみを選択的に活性化する手法である。全パラメータを使わずに効率的な推論が可能となる。
マルチモーダル
テキスト、画像、音声など複数の異なる種類のデータを統合的に処理できるAIモデルの特性である。各モダリティの情報を組み合わせることで、より高度な理解と生成が実現される。
Chain-of-Thought（思考チェーン）
AIモデルが最終的な出力を生成する前に、段階的な推論プロセスを明示的に実行する手法である。複雑なタスクを小さなステップに分解することで、精度と解釈可能性が向上する。
パラメータ
機械学習モデルにおける学習可能な変数の総数である。一般的にパラメータ数が多いほど複雑なパターンを学習できるが、計算リソースも増大する。Bは10億（Billion）を表す単位である。
ディープフェイク
AIを用いて生成された、実在の人物の顔や声を別の映像に合成した偽造コンテンツである。高度な画像編集技術の発展に伴い、真偽の判別が困難になっている。
【参考リンク】
Tencent Hunyuan 公式サイト（外部）
Tencentが開発する大規模言語モデル「混元（Hunyuan）」の公式サイト。テキスト、画像、動画、3D生成など多様なAIモデルの情報とデモを提供。
Tencent-Hunyuan GitHub（外部）
Hunyuan画像3.0のオープンソースコード、モデルウェイト、実装例を公開。開発者向けのドキュメントとサンプルコードが充実している。
Hugging Face – Hunyuan Image 3.0-Instruct（外部）
機械学習モデル共有プラットフォームで公開されているHunyuan画像3.0のImage-to-Image版。蒸留版も別途公開され軽量推論が可能。
LMArena 画像編集リーダーボード（外部）
人間の投票によってAIモデルの性能を評価するプラットフォーム。テキスト生成、画像生成、画像編集などをランキング形式で比較。
元宝（Yuanbao）- Google Play（外部）
Tencentが提供するAIアシスタントアプリ。音声入力対応、画像質問応答、文書生成など多機能を搭載し、Tencent Documentsと連携。
【参考記事】
HunyuanImage-3.0: A Powerful Native Multimodal Model（外部）
Tencent公式GitHubリポジトリ。80Bパラメータ（アクティブ13B）のMoE構造とオープンソース化の詳細情報を提供している。
Hunyuan Image 3.0 Complete Guide: Tencent’s 80B（外部）
総パラメータ80B、アクティブパラメータ13Bという技術仕様と、マルチモーダルアーキテクチャの詳細を解説している。
MixGRPO: Unlocking Flow-based GRPO Efficiency with Mixed ODE（外部）
MixGRPOアルゴリズムの技術論文。DanceGRPOと比較して約50%削減、MixGRPO-Flashでは71%削減を実現したと報告。
思考するAI画家？Tencent HunyuanImage 3.0-Instructは（外部）
「先に思考、後から編集」というワークフローと、Chain-of-Thought推論を画像編集に応用した技術的特徴を詳細に解説。
世界最強のオープンソース画像生成モデル（外部）
LMArena画像編集ランキングで世界第7位、上位7モデル中唯一のオープンソースという位置づけと80以上のタスクを報告。
【編集部後記】
「先に思考、後から編集」というアプローチは、AIが単なるツールから協働パートナーへと進化していることを示しているように感じます。みなさんは画像編集AIに何を期待されますか？プロのクリエイターにとっては作業効率化のツールとして、私たちのような一般ユーザーにとっては創作の敷居を下げる存在として、それぞれ異なる価値があるはずです。
オープンソース化によって技術が広く共有される未来と、ディープフェイクのような懸念との間で、私たちはどんな使い方を選択していくべきでしょうか。ぜひみなさんの視点をお聞かせください。
