不再“看图说话”：Luma AI发布Uni-1，让图像模型先“想”后“画”

当大多数AI图像生成工具还在依赖“猜”下一个像素时，Luma AI选择了一条更难的路：让模型先学会“思考”。

3月23日，Luma AI正式发布Uni-1图像生成模型，并同步开放了免费试用通道与API定价。这不仅是该公司首款基于“统一智能”（Unified Intelligence）架构的公开模型，更标志着图像生成领域从“概率预测”向“逻辑推理”的关键转折。

Uni-1最根本的变革在于其架构设计。它摒弃了当前主流的扩散模型路线，采用了解码器-only的自回归Transformer架构，将文本与图像视为交错排列的单一序列。这意味着Uni-1不再依赖独立的语言模型规划后再交由扩散模型渲染，而是在同一个“思维链条”中完成指令分解、空间布局规划与像素生成。

正是这种“先想后画”的能力，让Uni-1在处理复杂逻辑任务时显得游刃有余。在官方展示中，面对“生成一张包含‘新春快乐’、‘马年大吉’等多行中文的马年贺卡”这一行业公认的高难度任务，Uni-1不仅准确渲染了所有文字，还保持了剪纸风格的高度统一，而市面上的竞品则普遍出现了文字混乱或缺失。更令人惊叹的是其6帧故事板生成能力：它能在保持角色面部特征、钢琴透视和绘画风格完全一致的前提下，演绎出同一个人从童年到老年的完整一生，这种跨帧的角色一致性几乎是当前图像模型的天花板。

数据同样证明了这种优势。在评估模型逻辑推理能力的RISEBench基准测试中，Uni-1拿下了0.51的综合评分，在空间推理和逻辑推理维度上甚至达到GPT Image 1.5的两倍。而在开放词汇检测（ODinW-13）这一传统由纯理解模型主导的领域，Uni-1也达到了46.2 mAP，紧追顶尖视觉模型。Luma AI发现，当模型学会“画画”后，其“看图”的能力也同步增强——这种理解与生成的相互促进，首次在统一架构中得到了验证。

Uni-1的诞生，也是一支华人团队的胜利。这支不到15人的研究小队，由“DDIM之父”宋佳铭和CVPR最佳论文得主沈博魁领衔，在一个被谷歌和OpenAI主导的赛道上杀出了重围。目前，Uni-1已开放Web端试用，API定价约为每张图0.09美元起，在企业级2K分辨率场景下，成本比谷歌Nano Banana 2低10%至30%。

从视频模型Ray3.14到如今的Uni-1，再到基于该架构发布的Luma Agents，Luma AI正试图将AI从“离散的工具”进化为能够“看、说、推理、想象”的统一协作系统。当AI终于有了“心眼合一”的能力，创意工作的边界或许将被重新定义。

关注 “悠AI” 更多干货技巧行业动态