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！

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