Luma AI发布Uni-1：全球首款自回归图像生成模型，挑战扩散范式霸权

2026年3月26日，Luma Labs正式发布全新图像生成模型Uni-1，成为全球首个采用纯自回归Transformer架构同步生成文本提示与像素级图像的开源大模型。与当前主流的Stable Diffusion、DALL·E 3等基于扩散机制的图像生成范式不同，Uni-1将图像建模为‘像素序列’，通过逐token预测方式完成端到端生成，在RiseBench推理基准测试中达到92.7分（SOTA），人类偏好评估胜率达78.4%，显著超越同参数量扩散模型。该模型支持76种精细视觉风格控制（如‘赛博朋克胶片颗粒’‘宋代青绿山水绢本’），并首创‘多参考图时空对齐’技术，允许用户上传2–4张构图、光照、主体各异的参考图，模型自动提取共性语义并生成风格融合的新图像，已在建筑可视化与游戏原画领域落地验证。

Uni-1的底层创新在于其重构了视觉tokenization范式：摒弃传统VQ-VAE或Diffusion tokenizer，转而采用Luma自研的PixelFormer编码器，将图像压缩为16×16分辨率的128维向量序列，每个向量对应一个‘视觉词元（Visuon）’，再经12层稀疏注意力Transformer解码生成。实测表明，该设计使模型在长尾场景（如手部细节、文字识别、镜面反射）的保真度提升53%，且单次生成耗时仅为扩散模型的1/3。更值得关注的是，Uni-1已预留视频与音频扩展接口，官方确认将在Q2推出Uni-1V（视频版）与Uni-1A（音频版），构建真正意义上的‘Uni系列’全模态原生架构。

业界普遍认为，Uni-1的发布或将引发生成式AI底层范式的‘第二次迁移’。扩散模型虽在2022–2025年占据绝对主导，但其采样步数多、可控性弱、训练成本高等缺陷日益凸显；而自回归路径虽曾因计算复杂度被弃用，但在MoE稀疏化、FlashAttention-3等新技术加持下已实现性能逆转。斯坦福HAI研究院指出：‘当生成质量、速度与可控性三者首次达成帕累托最优，范式切换就不再是学术讨论，而是商业必然。’目前，Adobe Firefly与Canva均已宣布启动Uni-1技术适配，预计2026年内将有超200款专业设计工具完成集成。