上海AI Lab发布Intern Lumina U2

2026年10月16日，据 AGI Hunt 报道，上海人工智能实验室发布 Intern Lumina U2，一个多码本扩散语言模型，在单一骨干网络中统一视觉理解与生成，使用多码本离散视觉 token，同时支持图像、视频与 3D 的理解与生成，能力覆盖图像生成、图像编辑以及图像、视频、3D 的理解与问答。同日 arXiv cs.CV 收录的论文进一步介绍该模型，据作者所述，它是首个在完全离散空间中表示多码本视觉 token 的扩散语言模型，每个视觉位置由来自互补码本的一组 code 表示，在保留与离散文本建模兼容性的同时提高表示容量。现有公开报道尚未涉及模型参数规模、训练数据、评测结果及开放获取方式等细节，后续进展有待披露。

AI 根据报道生成 · 刚刚更新

还没有足够的连续观测数据，暂不绘制趋势。