ModelScope团队推出了开源全能图像模型Nexus-Gen，具备图像理解、生成和编辑能力，性能接近GPT-4o。该模型结合了MLLMs的语言建模与扩散模型的图像建模，采用高维特征空间建模以提升图像质量，解决了误差累计问题。Nexus-Gen的训练数据来自开源社区，未来将继续优化并开源相关资源。

本研究提出Nexus-Gen模型，通过双阶段对齐训练，将语言推理与图像生成相结合，提升了图像理解与生成的质量，解决了现有多模态模型在特定领域的不足。