量子位
04-30 07:03
不卷参数卷架构，这个开源模型把图像理解和生成统一了
📌 一句话：国产开源模型另辟蹊径，用架构创新而非堆参数，首次实现图像理解和生成共用一个模型。
💡 3个要点
主流路线靠加大参数提升性能，该模型从架构入手，用更少参数做到图像理解和生成一体化
用户既能上传图片让AI"看图说话"，也能输入文字让AI"画图"，一模型搞定两种任务
代码和权重完全开源，部署门槛低，中小团队也能用上前沿图像AI能力
📖 背景
此前图像理解和生成是两条技术路线，需要分别训练不同模型。理解任务靠视觉编码器，生成任务靠扩散模型，两者井水不犯河水。
💭 点评
这条路线的意义被严重低估。当行业还在焦虑"千亿参数俱乐部"的入场券时，这个模型证明：架构创新比暴力堆算力更有生命力。更重要的是开源——技术民主化才是AI真正改变世界的路径。
📖 原文链接
点击阅读原文 →