Het AI-team van WeChat heeft een nieuw fundamenteel model genaamd WeLM-Image gepresenteerd. Dit systeem integreert verschillende visuele functies, waaronder de creatie van beelden op basis van tekst, instructiegestuurde bewerkingen en synthese waarbij gebruik wordt gemaakt van meerdere referentiebeelden. Het model is specifiek ontworpen om te kunnen draaien op een enkele GPU, waardoor het breed inzetbaar is binnen consumententoepassingen in het WeChat-ecosysteem.
Volgens een publicatie op arxiv.org van 5 november 2026 verwerkt het model tekstuele input, referentiebeelden en doel-latents als één enkele, verweven reeks. Om conflicten tijdens de optimalisatie te vermijden, maakt de architectuur gebruik van een Mixture-of-Transformers (MoT) backbone. Deze opzet combineert onafhankelijke parameters voor het genereren en begrijpen van beelden met gedeelde aandachtmechanismen.
Om de rekenkracht optimaal te benutten, is het systeem uitgerust met Mixture-of-Experts (MoE) modules. Uit de blijkt dat het model in totaal beschikt over 31,7 miljard opgeslagen parameters. De efficiëntie van het systeem wordt echter gewaarborgd doordat er tijdens het genereren van een doel-latent token slechts ongeveer 5,4 miljard parameters actief zijn.
De ontwikkeling van WeLM-Image is mogelijk gemaakt door een gespecialiseerde data-engine voor generatie. Deze engine combineert grootschalige visuele clustering met een visuele woordenschat op basis van kennis, wat zorgt voor een goede balans tussen specifieke bewerkingstaken en semantische dekking. Het trainingsproces was uitgebreid en omvatte onder meer het gebruik van geverifieerde supervisie en tweetalige annotaties voor bewerkingen. Daarnaast werd het model progressief getraind tot een native resolutie van 1,5K en werden beloningen op basis van rubrieken en checklists ingezet om bewerking en generatie apart te optimaliseren.
Op het gebied van prestaties positioneert het model zich sterk. In vergelijkende tests met een resolutie van 1536 pixels behaalde het model de hoogste scores van de geëvalueerde open-source modellen op benchmarks zoals UnicBench, Qwen-Image-Bench en PRISM-Bench, zoals vermeld in de .
Voor scenario's waarbij snelheid cruciaal is, is er de WeLM-Image-Turbo variant ontwikkeld. Deze versie maakt gebruik van MeanFlow-gebaseerde distillatie met een beperkt aantal stappen. Hierdoor kan het model een afbeelding van $1024 imes1024$ pixels genereren in 4,98 seconden op een enkele NVIDIA H20 GPU, gebruikmakend van acht guidance-free stappen.
De lancering van WeLM-Image is onderdeel van een grotere strategie van het WeChat AI-team om maximale intelligentie te bereiken binnen strikte resource-beperkingen. In de qq.com wordt beschreven dat het team sinds begin 2026 intensief werkt aan het schalen van modellen, met eerdere experimenten naar MoE-modellen zoals de WeLM-V4-80B-A3B en de WeLM-V3-258B-A22B. Waar de focus voorheen lag op code-generatie, complexe redenering en taalmodellen, markeert WeLM-Image de stap naar een unified visueel fundament waarbij creatie en begrip samensmelten in wat het team "visuele intelligentie" noemt.