GLM-Image 对比 SDXL：为什么文字渲染是新赛道

在渲染文字方面，像 SDXL 这样的传统扩散模型经常在字符一致性和空间对齐方面表现不佳。GLM-Image 通过引入自回归（AR）阶段带来了范式转变。

噪声的问题

纯扩散模型尝试从随机噪声中“浮现”文字。这对于纹理有效，但在结构化字形上往往失败。

AR 的优势

GLM-Image 首先规划布局。它在扩散单个像素之前，就已经知道了字母应该在什么位置。

核心结论：

1. 垂直对齐：GLM-Image 保持完美的垂直度。
2. 字间距：在 Token 空间中就已经处理好了。
3. 复杂字符：对稀有字形和非拉丁脚本有更好的支持。