Bagel

BAGEL 是一个开源的统一多模态模型，具有70亿活跃参数（总共140亿），在大规模交织的多模态数据上进行训练。其核心功能包括多模态理解和生成，能够在标准多模态理解排行榜上超越当前顶级开源视觉-语言模型，并在文本到图像生成方面与专业生成器如SD3相媲美。此外，BAGEL在经典图像编辑场景中表现出色，并且能够扩展到自由形式的视觉操作、多视角合成和世界导航等任务，这些能力超出了以往图像编辑模型的范围。该项目适合需要高级多模态处理能力的应用场景，例如跨模态内容生成、复杂图像编辑以及虚拟环境中的导航任务。