我要投稿

告别散装！蚂蚁金服新模型，一个模型搞定图像理解生成与编辑！

发布日期：2025-10-03 08:12:39 浏览次数： 1537

作者：AgenticAI

微信搜一搜，关注“AgenticAI”

之前的视觉模型：理解与生成用一个模型，编辑图像得换另外一个，是不是很散装？在Qwen上就是如此。今天，蚂蚁金服开源的Ming-UniVision带来了完整解决方案，一个模型全部搞定。Ming-UniVision-16B-A3B，16B大小，3B激活，速度应该比较快。

它不仅首次在连续统一表示空间中实现了理解与生成的原生融合，同时开源了配套的统一连续视觉标记器MingTok。这意味着它不仅能看图说话，文生图，图修图甚至还能进行深入的图像推理。

案例

首先我们看看图像生成

这个是可视化推理过程，比如使人变成笑脸，就是先推理找到要编辑的嘴部，然后编辑对应部位。

图像编辑功能，保持一致性的同时进行部位编辑，简直复刻google nanobanana！

技术亮点

亮点1: 统一的空间能解锁超快的训练。

通过减轻视觉和绘画之间的“表征竞争”，Ming-UniVision 在文本到图像任务上的收敛速度提高了 3.5 倍以上。更少计算，相同性能。

亮点2: 真正的魔力发生在多轮互动中。
传统模型在每次编辑时都会陷入缓慢的“潜在→像素→特征”循环中。Ming-UniVision 实现了直接的 Feature →循环。这意味着无缝且有状态的视觉对话，生成->编辑->重新生成，全部在相同的高保真环境中进行。

开源地址

探索代码，尝试模型，并与我们一起构建！
GitHub：

https://github.com/inclusionAI/Ming-UniVision

HuggingFace：

- MingTok Tokenizer：

https://huggingface.co/inclusionAI/MingTok

- VisionMing-UniVision:
https://huggingface.co/inclusionAI/Ming-UniVision-16B-A3B

53AI，企业落地大模型首选服务商

产品：场景落地咨询+大模型应用平台+行业解决方案

承诺：免费POC验证，效果达标后再合作。零风险落地应用大模型，已交付160+中大型企业

相关资讯

2025-09-29

DeepSeek-V3.2背后的国产算子编程语言TileLang是什么？如何保持性能领先的同时减少6倍代码量？

2025-09-29

DeepSeek-V3.2-Exp开源，附论文细节解读！

2025-09-29

独家 | 帆软首次掀起盖头，万字访谈揭密BI巨头的出海之路

2025-09-29

2 分钟搞定官方文档没写的隐藏功能？99%的人还没掌握这种AI学习法！

2025-09-27

一招搞定知识库的文档分级分类，Dify可以这么做

2025-09-27

N8N全面解析：优势、短板与适用场景

2025-09-24

云栖大会阿里掀桌子了！Qwen3-Max、VL、Omini、Agent ... 统统发布！

2025-09-24

阿里发布Qwen3-VL：开源多模态登顶 SOTA

了解更多

了解更多

160+中大型企业正在使用53AI

立即咨询预约演示

把握AI发展的机遇，共同探索、共同进步

2025-01-22

如何打造基于GenAI的员工服务机器人

2025-01-22

热点资讯

实测Qwen3-Coder，这就是目前最强的开源编程模型

2025-07-23

DeepSeek V3.1 Base / Instruct 发布

2025-08-20

阿里Qoder vs Trae vs Cursor：谁才是2025年程序猿的效率之王？

2025-09-07

Qwen3-Coder开源：面向世界的智能编程引擎

2025-07-23

有点东西！Qwen开源会写中文的生图模型Qwen-Image

2025-08-05

Kimi K2详测，Claude国产平替有了

2025-07-14

DeepSeek-V3.1-Base来了！MoE架构+128K上下文，性能再进化

2025-08-20

GLM-4.5 发布，六大主流模型混战测评，谁能一键生成“ 真·可用 ”的应用？

2025-07-29

Kimi K2 详测｜超强代码和Agent 能力！内附Claude Code邪修教程

2025-07-12

手把手教你本地部署！京东JoyAgent全攻略：从零拥有一个企业级的AI Agent

2025-07-31

大家都在问

DeepSeek-V3.2背后的国产算子编程语言TileLang是什么？如何保持性能领先的同时减少6倍代码量？

2025-09-29

Qwen3-Next 首测！Qwen3.5的预览版？但为什么我的测试一塌糊涂？

2025-09-17

Dify Pre-release版本来了，Dify2.0时代不远了，看看有哪些进步？

2025-09-09

Claude不让用，有哪些国产模型能迎头赶上？

2025-09-08

阿里Qoder vs Trae vs Cursor：谁才是2025年程序猿的效率之王？

2025-09-07

苹果深夜开源FastVLM：速度飙升85倍，0.5B小模型要逼疯谁？

2025-09-01

Coze开源了，为什么AI产品经理还是不会用？

2025-08-16

“入口”新变局：OpenAI开源模型+“口袋里的设备”，企业管理会发生变化吗？

2025-08-13

热门标签

内容创作大模型技术个人提效 langchain llamaindex 多模态技术 RAG技术智能客服知识图谱模型微调 RAGFlow coze Dify Fastgpt Bisheng Qanything AI+汽车 AI+金融 AI+工业 AI+培训 AI+SaaS 提示词框架提示词技巧 AI+电商 AI面试数字员工 ChatBI 知识管理开源大模型智能营销智能硬件智能化改造 AI+医疗 MaxKB

应聘简历请发送至： ceo@53ai.com

联系我们

售前咨询

预约演示

微信扫码

添加专属顾问

回到顶部