允中 發(fā)自 凹非寺
量子位 | 公眾號 QbitAI

這兩天，大家伙朋友圈是不是被GPT-Image-2刷屏了？

文字渲染精準(zhǔn)、高密度的信息圖，復(fù)雜布局和美學(xué)UI一次到位，真實(shí)感爆棚。

連社交媒體截圖、高考試卷都能近乎一比一還原，這完全顛覆了曾經(jīng)以往的文生圖模型，徹底解決了文字、信息圖這些長期以來的痛點(diǎn)問題。

大家看完的第一反應(yīng)，幾乎都是：設(shè)計(jì)師真要失業(yè)了……

而就在剛剛，兔展智能甩出一張王炸：UniWorld-V2.5，居然直接“重現(xiàn)”了GPT-Image-2的某些驚艷Cases。

不廢話，咱直接上療效。

同樣一套提示詞，我們看看生成結(jié)果對比：

提示詞：生成一個(gè)篆書碑刻拓片，內(nèi)容是“由兔展智能首席科學(xué)家袁粒領(lǐng)導(dǎo)團(tuán)隊(duì)研發(fā)”

△GPT-Image-2生成

△Nano-Banana-2生成

△UniWorld-V2.5生成

可以說，在InfoGraph、文字密集、圖文交錯(cuò)等此前被公認(rèn)為“AI生圖天花板”的場景上，UniWorld-V2.5的完成度已經(jīng)對齊GPT-Image-2，并顯著超越其他國內(nèi)外主流文生圖模型。

更重要的是，UniWorld-V2.5需要輸入的prompt非常簡短，不需要像之前一樣提供極其復(fù)雜和詳細(xì)的prompt。

你只需要一句話，即可生成多樣、復(fù)雜的視覺信息圖，背后是一整套完整的視覺生成系統(tǒng)在做支撐。

接下來，我們一起見證更多場景奇跡。

高考數(shù)學(xué)卷：最難的中文測試，它過了

以前，AI生圖最令人崩潰的場景是這樣的：

結(jié)構(gòu)化排版+高密度中文+復(fù)雜多樣數(shù)學(xué)公式+曲線圖+立體圖，同時(shí)出現(xiàn)在一張圖里。

幾乎所有文生圖模型，在這個(gè)場景下表現(xiàn)都很不穩(wěn)定，甚至根本無從下手。

UniWorld-V2.5則表示：這只是基本功。

直接上地獄級測試，提示詞：

生成一張2025年高考數(shù)學(xué)理科試卷。

△2025年高考數(shù)學(xué)理科試卷（由UniWorld-V2.5生成）

一張圖里同時(shí)包含：選擇題、填空題、解答題、函數(shù)圖像、幾何證明……

密密麻麻一整頁，格式規(guī)范，字跡清晰，連答題線和頁碼都一個(gè)不落。

這已經(jīng)不是“像不像”的問題，而是“能不能直接拿去給學(xué)生考試”的問題。

與此類似的，對中文排布要求很高的場景“簡歷生成”，效果也同樣可圈可點(diǎn)：

△馬斯克個(gè)人中文簡歷（由UniWorld-V2.5生成）

這種?字密集?成能?，此前的主流模型?乎?法做到。

在中文密集文字和復(fù)雜排版領(lǐng)域，這是前所未有的降維打擊。

GUI布局：超真實(shí)的APP界面生成，也過了

想要AI生成一個(gè)真實(shí)感的社交媒體APP界面？

傳統(tǒng)模型生成的界面要么布局錯(cuò)亂，要么文字胡言亂語。

給UniWorld-V2.5布置作業(yè)，讓它一句話生成一套完整、可亂真的社交媒體界面及布局。

1、抖音直播帶貨

主播、商品彈窗、價(jià)格、實(shí)時(shí)彈幕、打賞特效，細(xì)節(jié)真實(shí)到“細(xì)思極恐”。

△馬斯克直播賣茅臺（由UniWorld-V2.5生成）

△直播帶貨界面生成效果（由UniWorld-V2.5生成）

2、小紅書探店

咖啡館照片、店名、推薦指數(shù)、評論、點(diǎn)贊、導(dǎo)航欄，一個(gè)不落，調(diào)性精準(zhǔn)。

△小紅書上海咖啡館探店界面（由UniWorld-V2.5生成）

3、微博熱搜

熱點(diǎn)頭條、熱度值、標(biāo)簽、按鍵等，全都可以直接生成，直接以假亂真。

△微博熱搜界面（由UniWorld-V2.5生成）

4、YouTube視頻頁

博主信息、播放量、推薦列表、評論區(qū)，UI細(xì)節(jié)精準(zhǔn)到讓人分不清真假。

△YouTube視頻頁面（由UniWorld-V2.5生成）

這哪里是“生圖”?。窟@簡直是“賽博截圖”。

這么看來，UniWorld-V2.5理解的不是像素，而是產(chǎn)品邏輯和用戶場景本身

InfoGraph信息圖：AI生圖的終極考場，很驚喜

高密集、復(fù)雜的信息圖是公認(rèn)的AI生圖“無人區(qū)”。

它要求模型同時(shí)理解數(shù)據(jù)、圖表、文字排版和邏輯關(guān)系，信息密度越高，難度越大。

讓UniWorld-V2.5嘗試露一手，它交出的作業(yè)是這樣的：

人體前側(cè)解剖系統(tǒng)全圖：

太陽系全貌信息圖：

綠葉解剖信息圖：

肌肉、骨骼、內(nèi)臟等細(xì)節(jié)可視化呈現(xiàn)，中英文混排清晰，數(shù)據(jù)圖表嚴(yán)謹(jǐn)。

它不是在“畫”一張看起來像的圖，而是在理解并構(gòu)建一個(gè)完整的信息體系

這種能力才是模型真正的技術(shù)護(hù)城河，標(biāo)志著它從一個(gè)“生圖工具”向“會(huì)思考、懂設(shè)計(jì)的視覺生成系統(tǒng)”的跨越。

海報(bào)與設(shè)計(jì)：考察商業(yè)級完成度

讓它試著畫一張Air Jordan 1產(chǎn)品宣傳海報(bào)。

鞋的質(zhì)感、中文文案、版式層次、品牌調(diào)性……看這商業(yè)級完成度：

△Air Jordan 1產(chǎn)品宣傳海報(bào)（由UniWorld-V2.5生成）

來一張?zhí)O果手機(jī)的宣傳海報(bào)。

字體、排版、風(fēng)格，專業(yè)攝影風(fēng)格圖片，美學(xué)和質(zhì)感可以說是拉滿了：

△蘋果手機(jī)宣傳海報(bào)（由UniWorld-V2.5生成）

國產(chǎn)視覺AI的突圍：在OpenAI與Google的身影前“搶跑”

UniWorld-V2.5的橫空出世絕非偶然，它背后站著一位視覺AI深水區(qū)的“領(lǐng)跑者”：

兔展智能

深圳兔展智能科技有限公司，由董少靈北京大學(xué)宿舍于2014年發(fā)明最早的H5工具而創(chuàng)立。

后來到了2022年，其與北京大學(xué)年輕一代視覺AI領(lǐng)軍人才袁粒等二次創(chuàng)業(yè)。

公司總部位于深圳，已服務(wù)超4100萬家企業(yè)?戶。

截至目前，兔展智能已獲深創(chuàng)投、騰訊、龍崗?控、嘉道資本、中國風(fēng)投、青島人工智能基金、招商局創(chuàng)投等頭部機(jī)構(gòu)投資，完成F輪融資。

它還是國家?新技術(shù)企業(yè)、國家級專精特新“?巨?”企業(yè)、?灣區(qū)最具潛?獨(dú)角獸、?東省?個(gè)“AI國家級?技能?才培訓(xùn)基地”。

兔展智能的UniWorld系列模型，為什么能做到“理解即生成”

因?yàn)樗募夹g(shù)底座早已遙遙領(lǐng)先：

• 自研“兔靈”大模型：廣東省首個(gè)完成備案的視覺空間智能大模型，在視覺理解、壓縮重建等核心領(lǐng)域?qū)崿F(xiàn)多項(xiàng)SOTA（業(yè)界最佳） 技術(shù)突破；
• 開源第一：其開源的Open-Sora Plan是全球最早的開源視頻生成模型之一，曾連續(xù)多日登頂GitHub全球趨勢榜榜首，單模型超過2600萬次下載，2024年視覺大模型代碼引用量全球第一，被字節(jié)、騰訊、華為等大廠廣泛采用；
• 架構(gòu)創(chuàng)新：UniWorld系列是國內(nèi)最早實(shí)現(xiàn)“理解、生成、編輯”統(tǒng)一架構(gòu)的視覺空間智能模型。其中，UniWorld-V1早于Nano Banana三個(gè)月推出，UniWorld-V2在權(quán)威評測（GEdit-Bench）中綜合性能超越OpenAI的GPT-Image-1，多項(xiàng)關(guān)鍵指標(biāo)亦一度優(yōu)于谷歌的Nano Banana系列模型，并入選2025年西麗湖論壇深圳市七大科技關(guān)鍵成果、廣東省人工智能與機(jī)器人科技進(jìn)步一等獎(jiǎng)第一名；
• 國際領(lǐng)跑：其推出的Video LLaVA模型成為Google Gemini Pro技術(shù)報(bào)告中作為對比基準(zhǔn)的視覺理解模型，標(biāo)志著技術(shù)獲得國際頂級認(rèn)可。LLaVA-CoT模型則在行業(yè)內(nèi)首次提出視覺慢思考架構(gòu)，讓模型能夠進(jìn)行自主、系統(tǒng)化地多階段推理，突破了傳統(tǒng)視覺模型單步響應(yīng)的局限，該研究成果被ICCV 2025會(huì)議收錄（計(jì)算機(jī)視覺領(lǐng)域的三大頂會(huì)之一），獲得同行評審的權(quán)威認(rèn)可；
• 國產(chǎn)生態(tài)：與華為昇騰深度合作，是昇騰910C芯片全球首個(gè)大規(guī)模用戶，打造了行業(yè)最早100%基于昇騰架構(gòu)的視覺生成模型Open-Sora Plan V1.5，突破了算子適配、大規(guī)模訓(xùn)練等一系列“卡脖子”問題。這不僅是一次技術(shù)勝利，更是為中國AI基礎(chǔ)設(shè)施的自主可控，提供了一個(gè)完整的可行范本。

值得?提的，是UniWorld系列發(fā)布的歷史時(shí)間線：

• UniWorld V1?Nano Banana早發(fā)布整整3個(gè)?，且同步開源；
• UniWorld V2在Nano Banana Pro發(fā)布之前，已是?業(yè)第?；
• UniWorld V2.5，是這條路上的最新?站，突破了高密集文字、信息圖、圖文交錯(cuò)、結(jié)構(gòu)化生成等一系列領(lǐng)域難題。

面向高度結(jié)構(gòu)化且依賴復(fù)雜世界知識推理的生成任務(wù)，傳統(tǒng)的一句話出圖范式已難以支撐。

區(qū)別于傳統(tǒng)prompt-to-image的范式，團(tuán)隊(duì)將超過80%的token預(yù)算用于意圖理解、推理與布局規(guī)劃，相當(dāng)于引入資深的“總設(shè)計(jì)師”來全程指揮和全局控制。

這從源頭上保證了生成的質(zhì)量，也體現(xiàn)了理解與生成統(tǒng)一的多模態(tài)范式優(yōu)勢。

其中，兔展智能首席科學(xué)家、北京大學(xué)袁粒老師，及其博士生晏志遠(yuǎn)等人，深度參與了核心能力的設(shè)計(jì)與實(shí)現(xiàn)，是V2.5關(guān)鍵突破的重要貢獻(xiàn)者。

兔展智能一直圍繞著讓人類敘事更生動(dòng)高效的使命，投入到最前沿的視覺智能創(chuàng)新。

據(jù)悉，兔展智能也將在不久之后，推出視覺空間智能路線為基礎(chǔ)的世界模型

站在世界舞臺的國產(chǎn)模型，等你免費(fèi)體驗(yàn)

AI生圖的上限，遠(yuǎn)比我們想象的要高。

UniWorld-V2.5的發(fā)布，用實(shí)力證明了在中文語境和超復(fù)雜邏輯場景下，國產(chǎn)模型已經(jīng)具備了站在世界舞臺中央的底氣。

設(shè)計(jì)行業(yè)的“一句話出圖”，過去是由GPT-Image-2引發(fā)的焦慮。

現(xiàn)在，這個(gè)能力在國內(nèi)堅(jiān)實(shí)落地了，而且是以自主可控、可微調(diào)、國產(chǎn)算力的形式落地的。

品牌方、內(nèi)容平臺、電商商家、醫(yī)療科普機(jī)構(gòu)、教育出版機(jī)構(gòu)，任何需要大規(guī)模生產(chǎn)視覺內(nèi)容的場景，過去需要設(shè)計(jì)團(tuán)隊(duì)花數(shù)小時(shí)完成的工作，現(xiàn)在僅需要一句自然語言。

更重要的是這件事的示范意義：

在多模態(tài)圖像生成這條賽道上，中國不再只能是跟跑。

一個(gè)從北京大學(xué)走出來、深耕視覺大模型4年的團(tuán)隊(duì)，今天交出了這份答卷。

那么，最硬核的來了：

這么強(qiáng)的“怪獸”模型，現(xiàn)在開放免費(fèi)體驗(yàn)了！

獨(dú)家體驗(yàn)傳送門，手慢無

UniWorld-V2.5體驗(yàn)入口：https://uniworld.rabbitpre.com/