9月国产开源生图模型接连放招：商汤、蚂蚁、书生都坐不住了

刚过去的这个 9 月，国产 AI 生图有个不太起眼但挺关键的变化：开源。短短一周里，商汤、蚂蚁、上海人工智能实验室的书生团队先后放出开源生图模型，把原本只在闭源大厂手里攥着的能力，摆到了桌面上。这件事的影响，可能比某一款新模型上线要大得多。

三家的牌面，各自是什么

商汤 SenseNova U1.5 Lite，9 月 8 日开源，是一个 8B 规模的生图模型。它的卖点是 4K 直出，官方口径是"比肩闭源大模型"。8B 这个体量很关键，它意味着普通开发者手里的显卡也带得动，不用一上来就奔着 12G、24G 显存去。

蚂蚁的 6B 统一图像模型，9 月 6 日开源。它走的是一条更"省事"的路：文本生成和指令编辑合在一个模型里。换句话说，你既能让它从零画一张图，也能给它一张图让它"把背景换掉""把颜色调亮"，不用切两个模型。更少见的是，蚂蚁把训练配方也全公开了。开源模型不少，但把训练细节摊开的，不多。

书生 InternLumina-U2，9 月 3 日发布，是一个视觉大模型，主打图像理解和生成统一，权重会开放。它的定位更偏"一个模型既看得懂图、又能画图"，这在需要让模型先理解一张参考图、再照着改的场景里，比纯生成模型更有优势。

为什么开源这件事值得单独说

很多人可能觉得，开源模型离普通用户很远，反正我又不训练模型。但真正的影响链条是这样的：开源模型会变成各种免费工具的地基。

一个独立开发者，或者一个小团队，没钱买大厂 API，又想给自己的产品加生图功能，怎么办？答案就是去 Hugging Face 拉一个开源模型，本地或者租个便宜 GPU 跑起来。商汤 8B、蚂蚁 6B 这种体量，恰好就是"能塞进一台消费级机器"的区间。开源模型越多、越小、越强，能被普通人搭起来的免费生图方案就越多。

反过来看，这也是国产模型对 Stable Diffusion、Flux 这些老牌开源路线的一种回应。过去一说开源生图，默认就是 Stable Diffusion 生态。现在国产选手开始往里挤，而且带的是中文理解、中文字体渲染这些本土优势，这对中文用户是实打实的增量。

开源之后，拼的是什么

开源不是终点，而是起点。一个模型开源了，能不能用起来，还取决于三件事。

第一是生态。模型光有权重不够，得有配套的推理工具、LoRA 训练脚本、WebUI 支持。Stable Diffusion 之所以到今天还是很多人的默认选择，靠的不是某一个版本，而是它身后那一大圈工具链。

第二是中文能力。国产模型最大的差异化，就在中文提示词理解和中文文字渲染上。这是海外开源模型长期没做好的地方，也是国产开源模型最该咬住的地方。

第三是商业化路径。开源模型怎么赚钱，一直是道难题。商汤、蚂蚁、书生这些玩家，开源大概率不是做慈善，而是想通过开源把生态养起来，再靠企业服务、云 API、定制化去变现。对用户来说，这意味着免费的东西会越来越多，但"免费"和"持续维护"之间能不能划等号，得边走边看。

还有个背景值得补一句：这一波开源潮，恰好踩在海外开源生态有些青黄不接的节点上。Stable Diffusion 已经很久没有真正意义上的大版本更新，Flux 又迟迟没有放出完整的开源权重。国产模型这时候把 6B、8B 这种"能塞进家用机器"的体量开源出来，等于在对方喘气的空当里，把中文开源生图的地基先打了下来。

对普通创作者的实际意义

落到具体的人身上，这些开源模型带来的变化是：生图这件事的成本，还在继续往下走。

以前你想稳定地用 AI 生图做点正经东西，要么订阅一个工具，要么按张数付 API 费。开源模型多了之后，出现了一批免费的、本地跑的方案。虽然这些方案普遍有门槛，得会装环境、会调参数，但门槛本身也在被社区一点点磨平。

我的判断是，短时间内，普通创作者依然用网页工具最省心。但如果你正在做一个小产品、一个小应用，需要把生图能力嵌进去，那这一波开源模型的密度和体量，值得你重新看一眼。至少，之前"国产没有好用的开源生图模型"这个说法，从 9 月开始已经不成立了。