3月5日,Luma Labs(Luma AI)发布 Uni-1,这是公司首个将图像理解与图像生成统一在同一架构下的多模态推理模型。Luma 此前凭借 Dream Machine 视频生成工具在行业中声名鹊起,此次 Uni-1 的推出标志着公司正式迈入"Unified Intelligence"(统一智能)架构新阶段,目标是构建一个能"看、想、说、创造"的多模态通用智能系统。官方口号为:"Less Artificial. More Intelligent."(更少人工,更智能)。 架构革新:一个模型完成推理与渲染
Uni-1 采用 decoder-only 自回归 Transformer 架构,将文本 token 和图像 token 以交错序列(interleaved sequence)的形式统一表示,二者既可作为输入也可作为输出。与传统扩散模型(如 Midjourney、Stable Diffusion)通过逐步去噪生成图像不同,Uni-1 使用与大语言模型相同的逐 token 预测方式进行图像生成。
这意味着模型在生成图像前,会先在内部进行结构化推理——分解指令、解决约束条件、规划构图、执行常识与空间逻辑推理,然后在同一次前向传播(forward pass)中直接渲染像素。Luma 将这一过程概括为"以语言思考,以像素想象和渲染",从根本上解决了传统生成管线中理解与创作割裂的"意图鸿沟"问题。
三大核心能力
一是智能推理能力。Uni-1 具备常识场景补全、空间推理、时间一致性维护等能力,能够执行合理性驱动的变换,例如将同一场景从夏天转换为冬天,或让宠物自然融入全新环境。
二是精准可控性。模型支持参考图像引导生成(最多8张参考图)、视觉指令输入、草图控制和代码控制,并支持多轮对话式迭代优化,能够在编辑过程中精准保持主体身份、姿态和细节的一致性。
三是文化感知能力。Uni-1 能深度理解百万级视觉风格、meme、漫画和文化语境,支持跨76种艺术风格进行生成,中文文字渲染效果尤为突出。
性能表现:多项指标领先或匹敌头部竞品
在 Luma 官方进行的人类偏好 Elo 排名测试中,Uni-1 在总体表现、风格与编辑、参考图生成三个维度均排名第一,文生图排名第二(仅次于 Google Nano Banana)。
在 RISEBench(推理式生成基准)测试中,Uni-1 取得了 0.51 的综合 SOTA 成绩,其中空间推理得分 0.58(领先 Nano Banana 2 的 0.47),逻辑推理得分 0.32(远超 GPT Image 1.5 的 0.15)。在 ODinW-13 开放词汇密集检测基准上,Uni-1 获得 46.2 mAP,接近 Gemini 3 Pro 的 46.3,且生成训练反向提升了模型的理解能力,比纯理解版本高出 2.3 分。 整体来看,Uni-1 在复杂推理、精细编辑和参考生成等维度上已超越或匹敌 Google Nano Banana 系列和 OpenAI GPT Image 1.5,被行业视为当前图像生成领域的有力挑战者。
访问方式与定价
Uni-1 目前已开放免费试用,用户可直接访问 lumalabs.ai/uni-1 体验文生图、图生图和多参考生成等功能。API 接口即将上线(已开放 waitlist),并将集成到 Luma Agents 智能创意代理平台,支持企业端到端创意工作流。目前已有 Publicis Groupe、Serviceplan、Adidas、Mazda 等知名企业采用。
以 2048px 分辨率(约 2000 tokens/张)计算,Uni-1 的参考定价为:文生图约 $0.0909/张,图像编辑/单参考约 $0.0933/张,多参考(8张)约 $0.1101/张。Token 计费方面,输入文本 $0.50/M,输入图像 $1.20/M,输出图像 $45.45/M。整体定价比 Google Nano Banana 2/Pro 便宜约 10-30%,性价比优势明显。
未来规划
Uni-1 是 Unified Intelligence 系列的首款模型。Luma CEO Amit Jain 表示,后续将在统一架构基础上扩展音频生成和视频生成能力,最终目标是打造交互式世界模拟器。Luma 强调,Uni-1 不是单纯的图像生成工具,而是一个"像素智能"平台,具备自主迭代和自我评估能力。
值得关注的是,Luma 以精干的小团队实现了与大厂抗衡的研发效率,在 Unified Intelligence 这一技术路线上率先突破,为多模态 AI 的发展提供了新的范式参考。
试用地址:https://lumalabs.ai/uni-1