STARFlow2提出统一多模态生成模型，结合冻结视觉语言模型与自回归归一化流，通过残差连接和统一因果掩码实现连续、单遍生成。它支持文本与图像交错输出，直接进入KV缓存，无需重编码，在图像生成和理解基准上表现优异，验证了自回归流作为统一多模态建模基础的可行性。