硬刚GPT-Image-2！国产AI生图“天花板”又被捅破了？

允中 发自 凹非寺

量子位 | 公众号 QbitAI

这两天，大家伙朋友圈是不是被GPT-Image-2刷屏了？

文字渲染精准、高密度的信息图，复杂布局和美学UI一次到位，真实感爆棚。

连社交媒体截图、高考试卷都能近乎一比一还原，这完全颠覆了曾经以往的文生图模型，彻底解决了文字、信息图这些长期以来的痛点问题。

大家看完的第一反应，几乎都是：设计师真要失业了……

而就在刚刚，兔展智能甩出一张王炸：UniWorld-V2.5，居然直接“重现”了GPT-Image-2的某些惊艳Cases。

不废话，咱直接上疗效。

同样一套提示词，我们看看生成结果对比：

提示词：生成一个篆书碑刻拓片，内容是“由兔展智能首席科学家袁粒领导团队研发”

△GPT-Image-2生成

△Nano-Banana-2生成

△UniWorld-V2.5生成

可以说，在InfoGraph、文字密集、图文交错等此前被公认为“AI生图天花板”的场景上，UniWorld-V2.5的完成度已经对齐GPT-Image-2，并显著超越其他国内外主流文生图模型。

更重要的是，UniWorld-V2.5需要输入的prompt非常简短，不需要像之前一样提供极其复杂和详细的prompt。

你只需要一句话，即可生成多样、复杂的视觉信息图，背后是一整套完整的视觉生成系统在做支撑。

接下来，我们一起见证更多场景奇迹。

高考数学卷：最难的中文测试，它过了

以前，AI生图最令人崩溃的场景是这样的：

结构化排版+高密度中文+复杂多样数学公式+曲线图+立体图，同时出现在一张图里。

几乎所有文生图模型，在这个场景下表现都很不稳定，甚至根本无从下手。

UniWorld-V2.5则表示：这只是基本功。

直接上地狱级测试，提示词：

生成一张2025年高考数学理科试卷。

△2025年高考数学理科试卷（由UniWorld-V2.5生成）

一张图里同时包含：选择题、填空题、解答题、函数图像、几何证明……

密密麻麻一整页，格式规范，字迹清晰，连答题线和页码都一个不落。

这已经不是“像不像”的问题，而是“能不能直接拿去给学生考试”的问题。

与此类似的，对中文排布要求很高的场景“简历生成”，效果也同样可圈可点：

△马斯克个人中文简历（由UniWorld-V2.5生成）

这种⽂字密集⽣成能⼒，此前的主流模型⼏乎⽆法做到。

在中文密集文字和复杂排版领域，这是前所未有的降维打击。

GUI布局：超真实的APP界面生成，也过了

想要AI生成一个真实感的社交媒体APP界面？

传统模型生成的界面要么布局错乱，要么文字胡言乱语。

给UniWorld-V2.5布置作业，让它一句话生成一套完整、可乱真的社交媒体界面及布局。

1、抖音直播带货

主播、商品弹窗、价格、实时弹幕、打赏特效，细节真实到“细思极恐”。

△马斯克直播卖茅台（由UniWorld-V2.5生成）

△直播带货界面生成效果（由UniWorld-V2.5生成）

2、小红书探店

咖啡馆照片、店名、推荐指数、评论、点赞、导航栏，一个不落，调性精准。

△小红书上海咖啡馆探店界面（由UniWorld-V2.5生成）

3、微博热搜

热点头条、热度值、标签、按键等，全都可以直接生成，直接以假乱真。

△微博热搜界面（由UniWorld-V2.5生成）

4、YouTube视频页

博主信息、播放量、推荐列表、评论区，UI细节精准到让人分不清真假。

△YouTube视频页面（由UniWorld-V2.5生成）

这哪里是“生图”啊？这简直是“赛博截图”。

这么看来，UniWorld-V2.5理解的不是像素，而是产品逻辑和用户场景本身。

InfoGraph信息图：AI生图的终极考场，很惊喜

高密集、复杂的信息图是公认的AI生图“无人区”。

它要求模型同时理解数据、图表、文字排版和逻辑关系，信息密度越高，难度越大。

让UniWorld-V2.5尝试露一手，它交出的作业是这样的：

人体前侧解剖系统全图：

太阳系全貌信息图：

绿叶解剖信息图：

肌肉、骨骼、内脏等细节可视化呈现，中英文混排清晰，数据图表严谨。

它不是在“画”一张看起来像的图，而是在理解并构建一个完整的信息体系。

这种能力才是模型真正的技术护城河，标志着它从一个“生图工具”向“会思考、懂设计的视觉生成系统”的跨越。

海报与设计：考察商业级完成度

让它试着画一张Air Jordan 1产品宣传海报。

鞋的质感、中文文案、版式层次、品牌调性……看这商业级完成度：

△Air Jordan 1产品宣传海报（由UniWorld-V2.5生成）

来一张苹果手机的宣传海报。

字体、排版、风格，专业摄影风格图片，美学和质感可以说是拉满了：

△苹果手机宣传海报（由UniWorld-V2.5生成）

国产视觉AI的突围：在OpenAI与Google的身影前“抢跑”

UniWorld-V2.5的横空出世绝非偶然，它背后站着一位视觉AI深水区的“领跑者”：

兔展智能。

深圳兔展智能科技有限公司，由董少灵在北京大学宿舍于2014年发明最早的H5工具而创立。

后来到了2022年，其与北京大学年轻一代视觉AI领军人才袁粒等二次创业。

公司总部位于深圳，已服务超4100万家企业⽤户。

截至目前，兔展智能已获深创投、腾讯、龙岗⾦控、嘉道资本、中国风投、青岛人工智能基金、招商局创投等头部机构投资，完成F轮融资。

它还是国家⾼新技术企业、国家级专精特新“⼩巨⼈”企业、⼤湾区最具潜⼒独角兽、⼴东省⾸个“AI国家级⾼技能⼈才培训基地”。

兔展智能的UniWorld系列模型，为什么能做到“理解即生成”？

因为它的技术底座早已遥遥领先：

自研“兔灵”大模型：广东省首个完成备案的视觉空间智能大模型，在视觉理解、压缩重建等核心领域实现多项SOTA（业界最佳） 技术突破；

开源第一：其开源的Open-Sora Plan是全球最早的开源视频生成模型之一，曾连续多日登顶GitHub全球趋势榜榜首，单模型超过2600万次下载，2024年视觉大模型代码引用量全球第一，被字节、腾讯、华为等大厂广泛采用；

架构创新：UniWorld系列是国内最早实现“理解、生成、编辑”统一架构的视觉空间智能模型。其中，UniWorld-V1早于Nano Banana三个月推出，UniWorld-V2在权威评测（GEdit-Bench）中综合性能超越OpenAI的GPT-Image-1，多项关键指标亦一度优于谷歌的Nano Banana系列模型，并入选2025年西丽湖论坛深圳市七大科技关键成果、广东省人工智能与机器人科技进步一等奖第一名；

国际领跑：其推出的Video LLaVA模型成为Google Gemini Pro技术报告中作为对比基准的视觉理解模型，标志着技术获得国际顶级认可。LLaVA-CoT模型则在行业内首次提出视觉慢思考架构，让模型能够进行自主、系统化地多阶段推理，突破了传统视觉模型单步响应的局限，该研究成果被ICCV 2025会议收录（计算机视觉领域的三大顶会之一），获得同行评审的权威认可；

国产生态：与华为昇腾深度合作，是昇腾910C芯片全球首个大规模用户，打造了行业最早100%基于昇腾架构的视觉生成模型Open-Sora Plan V1.5，突破了算子适配、大规模训练等一系列“卡脖子”问题。这不仅是一次技术胜利，更是为中国AI基础设施的自主可控，提供了一个完整的可行范本。

值得⼀提的，是UniWorld系列发布的历史时间线：

UniWorld V1⽐Nano Banana早发布整整3个⽉，且同步开源；

UniWorld V2在Nano Banana Pro发布之前，已是⾏业第⼀；

UniWorld V2.5，是这条路上的最新⼀站，突破了高密集文字、信息图、图文交错、结构化生成等一系列领域难题。

面向高度结构化且依赖复杂世界知识推理的生成任务，传统的一句话出图范式已难以支撑。

区别于传统prompt-to-image的范式，团队将超过80%的token预算用于意图理解、推理与布局规划，相当于引入资深的“总设计师”来全程指挥和全局控制。

这从源头上保证了生成的质量，也体现了理解与生成统一的多模态范式优势。

其中，兔展智能首席科学家、北京大学袁粒老师，及其博士生晏志远等人，深度参与了核心能力的设计与实现，是V2.5关键突破的重要贡献者。

兔展智能一直围绕着让人类叙事更生动高效的使命，投入到最前沿的视觉智能创新。

据悉，兔展智能也将在不久之后，推出视觉空间智能路线为基础的世界模型。

站在世界舞台的国产模型，等你免费体验

AI生图的上限，远比我们想象的要高。

UniWorld-V2.5的发布，用实力证明了在中文语境和超复杂逻辑场景下，国产模型已经具备了站在世界舞台中央的底气。

设计行业的“一句话出图”，过去是由GPT-Image-2引发的焦虑。

现在，这个能力在国内坚实落地了，而且是以自主可控、可微调、国产算力的形式落地的。

品牌方、内容平台、电商商家、医疗科普机构、教育出版机构，任何需要大规模生产视觉内容的场景，过去需要设计团队花数小时完成的工作，现在仅需要一句自然语言。

更重要的是这件事的示范意义：

在多模态图像生成这条赛道上，中国不再只能是跟跑。

一个从北京大学走出来、深耕视觉大模型4年的团队，今天交出了这份答卷。