HunyuanDiT-v1.1 ist ein von Tencent Hunyuan entwickeltes, mehrskaliges Diffusions-Transformationsmodell mit präzisen chinesischen und englischen Sprachverständnisfähigkeiten. Das Modell nutzt eine sorgfältig entwickelte Transformer-Architektur, einen Text-Encoder und Positions-Encoding, kombiniert mit einer von Grund auf neu entwickelten, vollständigen Datenpipeline zur iterativen Datenoptimierung. HunyuanDiT-v1.1 kann mehrstufige, multimodale Dialoge führen und Bilder basierend auf dem Kontext generieren und verfeinern. Nach einer umfassenden Bewertung durch über 50 professionelle menschliche Evaluatoren erreicht HunyuanDiT-v1.1 im Bereich der chinesischen Bildgenerierung ein neues State-of-the-Art-Niveau im Vergleich zu anderen Open-Source-Modellen.