BAGEL AI

我们提出了百吉饼，这是一种开源多模式的基础模型，该模型具有7B活动参数（总计14B），对大规模交织的多模式数据进行了训练。 Bagel的表现优于当前顶级开源VLM，例如QWEN2.5-VL和InternVL-2.5在标准的多模式理解排行榜上，并且提供文本到图像质量，与SD3等强大的专家生成器竞争。此外，百吉饼比领先的开源模型在经典图像编辑的情况下展示了优越的定性结果。更重要的是，它扩展到自由形式的视觉操作，多视图合成和世界导航，构成“世界模型”任务的功能超出了先前的图像编辑模型的范围。下图展示了百吉饼的定性表现。

BAGEL AI是一个开源多模态基础模型，旨在提供卓越的多模态理解、文本到图像生成以及高级视觉操作能力，其性能在标准多模态理解排行榜上超越了现有顶级开源VLM，并在文本到图像质量上与强大的专业生成器竞争。