OmniGen2是北京人工智慧研究院推出的多模態生成模型，由吳晨原、鄭鵬飛、閆瑞然、肖世濤等研究人員共同開發，研究成果於2025年6月發表於論文《OmniGen2: Exploration to Advanced Multimodal Generation》。該模型採用雙路徑架構實現文本與圖像模態的獨立處理，並通過自我反思機制最佳化生成結果。研究團隊開發OmniContext評測體系，使用GPT-4.1評估顯示，模型在文本圖像對齊度提升8.6%，視覺一致性超越開源模型15%，綜合得分7.18分位列榜首。模型支持文本生成圖像、圖像編輯及任意比例生成功能，基於FlagScale框架實現32%推理效率提升。2025年7月開源後，GitHub星標一周內突破2000，其反思功能存在'過度修正'現象。
基本介紹
- 外文名：OmniGen2
- 發布時間：2025年6月
模型簡介,發展歷程,功能成效,測試評估,未來展望,問題解答,
模型簡介
OmniGen2如同全能大廚，用"雙廚房"設計實現文字與圖像的完美分工，搭配自我反思能力和新鮮數據供應鏈，在開源模型中創下情境理解新高度。
與之前的版本OmniGen相比，OmniGen2採用了一種全新的"雙廚房"設計理念。傳統的方法就像讓同一個廚師既要處理文字選單又要製作圖像菜品，結果往往顧此失彼。而OmniGen2則設定了兩個專門的工作檯：一個專門處理文字理解和生成，另一個專門負責圖像創作。更令人驚喜的是，OmniGen2還具備了"自我反思"的能力。
發展歷程
2025年6月，OmniGen2論文發布，標題為《OmniGen2: Exploration to Advanced Multimodal Generation》。
功能成效
與之前的版本OmniGen相比，OmniGen2採用了一種全新的"雙廚房"設計理念。傳統的方法就像讓同一個廚師既要處理文字選單又要製作圖像菜品，結果往往顧此失彼。而OmniGen2則設定了兩個專門的工作檯：一個專門處理文字理解和生成，另一個專門負責圖像創作。這種分工讓每個部分都能發揮最佳水平，就像讓專業的麵點師傅專心做麵食，讓炒菜師傅專心掌勺一樣。
更令人驚喜的是，OmniGen2還具備了"自我反思"的能力。當它生成一張圖像後，能夠像經驗豐富的大廚一樣品嘗自己的作品，發現不足之處並主動改進。
測試評估
為了全面評估這種"情境理解"能力，研究團隊還專門設計了一套名為OmniContext的評測標準。這就像為大廚設計了一套全面的烹飪考試，包含了人物、物品、場景等各種複雜情況的測試。結果顯示，OmniGen2在這些測試中表現優異，特別是在保持角色一致性方面達到了開源模型中的最高水平。
評測過程採用了GPT-4.1作為"考官"。這個AI考官會從兩個維度打分：一是"指令遵循度"，看生成的圖像是否按照要求完成了任務；二是"主體一致性"，檢查生成圖像中的人物或物體是否與參考圖像保持一致。這種評測方式比傳統的數值指標更接近人類的判斷標準。
測試結果顯示，OmniGen2在這套嚴格的考試中表現出色，總分達到7.18分（滿分10分），在開源模型中排名第一。特別值得一提的是，OmniGen2在處理多對象組合任務時表現尤為突出，展現了優秀的"情境理解"能力。
未來展望
OmniGen2的發布標誌著多模態AI發展的一個重要里程碑，但OmniGen2更像是一個新起點而不是終點。研究團隊在論文中坦誠地分析了當前的限制，並指出了未來的發展方向。
問題解答
Q1：OmniGen2相比其他AI圖像生成工具有什麼特別之處？ A：OmniGen2最大的特點是"一個模型搞定所有任務"，它可以同時進行文字轉圖像、圖像編輯、情境生成等多種任務，而不需要切換不同的工具。更重要的是，它具備自我反思能力，能發現生成圖像的問題並自動改進，這是其他工具很少具備的功能。
Q2：普通用戶能直接使用OmniGen2嗎？使用門檻高不高？ A：是的，OmniGen2是完全開源的，普通用戶可以通過GitHub倉庫下載使用。不過目前主要面向有一定技術基礎的用戶，需要自己搭建運行環境。對於沒有技術背景的用戶來說，可能需要等待基於OmniGen2開發的更友好的套用產品。
Q3：OmniGen2的反思功能是如何工作的？會不會出錯？ A：反思功能讓OmniGen2在生成圖像後自動檢查結果是否符合要求，如果發現問題（比如數量不對、顏色錯誤），會自動重新生成。不過這個功能也有局限性，有時會出現"過度反思"的情況，對本來正確的結果提出不必要的修改建議。
