Bagel

BAGEL 是一个开源的统一多模态基础模型，支持跨模态理解与生成任务。其核心能力包括多模态理解（图文对齐、视觉问答）、高质量文本到图像生成、精细图像编辑、自由形式视觉操控、多视角合成及世界导航等“世界建模”类任务；采用7B活跃参数架构（14B总参数），基于大规模交错式多模态数据训练，在标准多模态理解基准上超越Qwen2.5-VL、InternVL-2.5等主流开源VLM，并在图像生成质量上媲美Stable Diffusion 3。适用于需要统一处理视觉与语言信号的研究场景，如AI内容创作、智能编辑工具开发及具身智能前端建模。