# 腾讯开源3B模型HiVG，用“分段打包”把SVG序列缩短六成，生成质量对标GPT和Claude

> 原标题：SVG性能比肩GPT/Claude，腾讯开源3B模型HiVG，让Token「懂几何」

- 来源：量子位 · 公众号
- 发布时间：2026-04-10T04:05:00.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/6304
- 原文：https://mp.weixin.qq.com/s?__biz=MzIzNjc1NzUzMw==&mid=2247882108&idx=3&sn=e9969e5c78c7107ce60b7c9123669cc9

## 摘要

腾讯混元放出了一个30亿参数的开源模型HiVG，专门把图片转成SVG矢量图。它的核心思路是把绘图指令和坐标打包成“段token”，再用一个叫HMN的模块给坐标编码做初始化，让模型更懂几何关系。这样生成的SVG代码序列比传统方法短了62.7%到63.8%，省token就是省钱。在Image-to-SVG任务上，它的SSIM达到0.896、LPIPS低到0...

## 推荐理由

腾讯混元把 3B 小模型做到 SVG 指标能跟 GPT-5.2、Claude-4.5-Sonnet 掰手腕，靠的不是堆参数，而是把绘图命令和坐标打包成 segment token，再用 HMN 初始化坐标 embedding，序列长度直接砍掉六成多。文章给了 SSIM、LPIPS、CLIP-S 三组数，信息量够，不是空口说白话。不过 SVG 生成本身偏小众，离多数人的业务场景还有点距离，所以 novelty 和 knowledge 都到位，但 relevance 只能算一般。

## 锐评

HiVG 最值得看的地方不是参数规模，而是它怎么“省 token”。它把 SVG 的绘图命令和坐标打包成段 token，再用一个叫 HMN 的模块给坐标编码做初始化，让模型对几何关系更敏感。结果就是生成的 SVG 序列长度比传统方法短了 62.7% 到 63.8%，省 token 就是省钱，这对实际部署很关键。

性能数字挺好看：在 Image-to-SVG 任务上 SSIM 0.896、LPIPS 0.114、CLIP-S 0.957，文章说比 GPT-5.2、Claude-4.5-Sonnet 和一些 8B 开源模型都好。但这里得打个折——这些对比是在特定任务和指标上做的，不代表全面碾压。而且正文没披露推理延迟和显存占用，这两个指标对 3B 模型的实际可用性影响很大。

论文、代码和项目主页都公开了，想验证的可以直接跑。整体看，这是个在 token 设计上动了脑子的工作，不是简单堆参数，值得关注后续有没有更多几何相关任务的扩展。