2025年6月26日，Qwen團(tuán)隊(duì)發(fā)布了 Qwen VLo ，一個(gè)定位是“unified multimodal understanding and generation model"的模型，包括多模態(tài)的理解和生成。

根據(jù)官方的介紹博客，Qwen VLo包含下面的功能： 圖像生成：文生圖、2D卡通圖像轉(zhuǎn)真實(shí)圖像圖像編輯：例如修改某個(gè)主體、更換顏色、更換風(fēng)格圖像算法能力：例如檢測框、canny 算子、圖像分割結(jié)果經(jīng)過一段時(shí)間的測試，我個(gè)人的總結(jié)是： 生圖能力：效果比較差，感覺是一兩年前生圖模型…。