算法论文8

颜水成团队Muddit：多模态统一转向视觉优先

量子位2026-03-10

AI 摘要

颜水成团队Muddit模型挑战语言优先体系，以视觉先验和离散扩散框架统一文生图、图生文和VQA任务，在多项基准测试表现佳，暗示多模态基础模型基座或转向视觉。

关注公众号

扫码关注
第一时间收到每日精选

公众号专辑

千问7B生图开放权重 3090就能跑

千问开放了7B参数的Qwen-Image-2.1生图模型权重，单张RTX 3090即可运行，一套模型覆盖文生图、修图、抠图、2K原生输出、透明图生成全需求，网友实测效果出色，该模型已登上Hugging Face文生图趋势榜第一，目前权重仅开放非商用授权。

通义千问团队正式开源Qwen-Image-2.1图像模型，该模型为7B轻量参数，整合文生图与图像编辑能力，原生支持透明图像生成编辑，做了多方面能力升级，开放多平台供开发者体验。

上海人工智能实验室发布新一代多模态统一模型 Intern Lumina U2，基于全离散扩散建模路线，支持多任务，适配两大硬件生态，在昇腾千卡级集群训练效率提升 1.85 倍，性能优异且将开放资源。

谷歌深夜上线Nano Banana 2 Lite和Gemini Omni Flash。前者是最快最便宜文生图模型，4秒生图且成本低；后者是视频生成模型，支持多模态输入和对话式编辑。二者串联打通创作流水线，还集成SynthID水印技术。