全站搜索结果
评测数据
五组官方评测,逐项摆出来
下面的数字全部照录官方项目主页的评测表格,本站只做中文表头、分组排版和读法说明,没有复现、没有重算、没有挑好看的只列一半。
一、细粒度文生图 · UniGenBench
官方描述:Gestalt 在参评模型中取得最高总分,兼顾细粒度语义对齐与组合式生成。下表为英文长提示设置。
| 模型 | Overall | Style | World | Attr. | Action | Rel. | Comp. | Grammar | Layout | Logic | Text |
|---|---|---|---|---|---|---|---|---|---|---|---|
| 生成专用模型(Gen. Only) | |||||||||||
| DALL-E-3 | 70.82 | 95.08 | 92.71 | 84.98 | 68.36 | 77.90 | 73.88 | 68.19 | 71.76 | 57.11 | 18.26 |
| SD-3.5-Large | 64.35 | 88.12 | 88.15 | 78.78 | 59.63 | 67.62 | 62.21 | 65.23 | 71.19 | 44.90 | 17.66 |
| OmniGen2 | 71.39 | 94.35 | 84.83 | 83.03 | 66.57 | 73.06 | 70.49 | 76.40 | 80.63 | 56.55 | 27.99 |
| 统一模型(Unified) | |||||||||||
| Emu3 | 50.95 | 89.36 | 76.16 | 66.81 | 43.80 | 51.70 | 46.00 | 50.25 | 56.67 | 27.43 | 1.36 |
| Show-o2 | 70.33 | 93.11 | 88.44 | 86.35 | 69.02 | 77.37 | 76.45 | 70.30 | 80.63 | 59.71 | 1.90 |
| Janus-Pro | 71.11 | 94.02 | 88.15 | 81.81 | 69.14 | 77.96 | 76.53 | 74.62 | 82.14 | 62.62 | 4.08 |
| MMaDA | 40.10 | 75.83 | 52.75 | 49.90 | 32.42 | 39.06 | 38.37 | 50.00 | 43.02 | 19.42 | 0.27 |
| BAGEL | 71.26 | 92.44 | 89.31 | 84.21 | 67.62 | 75.70 | 74.71 | 74.75 | 81.90 | 59.71 | 12.23 |
| Lumina-DiMOO | 71.81 | 86.88 | 88.58 | 83.71 | 69.66 | 73.33 | 74.93 | 74.49 | 84.84 | 58.01 | 23.64 |
| Gestalt | 73.30↑1.49 | 95.85↑0.77 | 81.65 | 82.51 | 68.57 | 78.12↑0.16 | 81.20↑4.67 | 82.23↑5.83 | 85.79↑0.95 | 73.28↑10.66 | 3.80 |
怎么读:Overall 是总分;Text 一列考察图中文字,Gestalt 为 3.80,明显不是强项 —— 看总分时别忽略分项。
二、长短指令文生图 · TIIF-Bench
官方描述:短、长指令两类设置下均领先,长提示引入更多相互依赖的要求时优势更大。四组指标各分短/长两列。
| 模型 | Overall | Basic | Advanced | Designer | ||||
|---|---|---|---|---|---|---|---|---|
| Short | Long | Short | Long | Short | Long | Short | Long | |
| 生成专用模型(Gen. Only) | ||||||||
| PixArt-Sigma | 62.00 | 58.12 | 70.66 | 75.25 | 57.65 | 49.50 | 62.11 | 52.41 |
| FLUX.1 Pro | 67.32 | 69.89 | 79.08 | 78.91 | 61.10 | 65.37 | 71.80 | 68.80 |
| MidJourney V7 | 68.74 | 65.69 | 77.41 | 76.00 | 64.66 | 60.53 | 68.83 | 63.61 |
| SD 3.5 Large | 71.15 | 66.96 | 78.34 | 79.56 | 67.67 | 61.18 | 64.43 | 66.39 |
| 统一模型(Unified) | ||||||||
| Emu3 | 43.38 | 39.44 | 49.88 | 42.08 | 37.09 | 33.52 | 53.73 | 60.45 |
| MMaDA | 52.32 | 52.90 | 65.78 | 66.71 | 50.32 | 50.76 | 60.45 | 55.60 |
| Show-o2 | 67.38 | 68.76 | 81.16 | 84.06 | 69.25 | 72.99 | 75.37 | 75.75 |
| Janus-Pro | 66.50 | 65.02 | 79.33 | 78.25 | 59.71 | 58.82 | 65.84 | 60.25 |
| BAGEL | 71.50 | 71.70 | 81.79 | 80.05 | 70.24 | 72.19 | 68.28 | 67.91 |
| Lumina-DiMOO | 71.27 | 68.53 | 75.50 | 78.29 | 70.49 | 68.33 | 69.78 | 70.90 |
| Gestalt | 74.57↑3.07 | 78.86↑7.16 | 83.79↑2.00 | 86.06↑2.00 | 72.60↑2.11 | 77.69↑4.70 | 84.70↑9.33 | 88.81↑13.06 |
怎么读:论文正文把 74.57 / 78.86 写作 TIIF-Bench 的短/长设置成绩;长指令上的领先幅度普遍更大。
三、多模态理解
官方描述:视觉为中心的任务上增益更明显,反映在统一模型里保留模态特有信息的价值。
| 模型 | MME-P | GQA | MMStar-P | POPE | RWQA | MMVP | CVB2d | CVB3d |
|---|---|---|---|---|---|---|---|---|
| 自回归基座(AR-Based) | ||||||||
| BAGEL | 1687.0† | 66.4 | 70.9 | 88.2 | 67.6 | 69.3† | 77.7 | 84.2 |
| 扩散基座(Diffusion-based) | ||||||||
| MMaDA | 1410.7† | 61.3† | 43.0 | 86.1† | 48.2 | 17.3 | 55.3 | 54.8 |
| Lumina-DiMOO | 1534.2† | 43.3 | – | 87.4† | 35.9 | 34.0 | 54.3 | 52.0 |
| LaViDA-o | 1431.0 | 54.1 | 55.9 | – | 56.6 | 47.3 | 73.4 | 70.8 |
| LLaDA-o | 1412.0† | 58.0 | 55.6 | 87.2 | 66.4 | 46.7 | 78.0 | 75.9 |
| Omni-diffusion | 1216.7† | – | – | 76.6† | – | – | – | – |
| 本站主体 | ||||||||
| Gestalt | 1600.2↑66.0 | 60.2 | 60.8 | 86.5 | 59.1 | 48.7↑1.4 | 78.9↑0.9 | 86.1↑10.2 |
怎么读:MME-P 一项 BAGEL 的 1687.0 高于 Gestalt 的 1600.2;Gestalt 的优势集中在 CV-Bench 两条视觉细项上,不是全项通吃。
四、纯文本能力
官方描述:在参评的扩散式统一模型中整体领先,语言表现与 Janus-Pro 等自回归模型相当。
| 模型 | MMLU | TruthfulQA | WinoGrande | HellaSwag | ARC-E | ARC-C |
|---|---|---|---|---|---|---|
| 自回归基座(AR-Based) | ||||||
| Show-o2 | 71.70 | 46.94 | 74.03 | 76.67 | 84.43 | 58.53 |
| Janus-Pro | 49.90 | 41.72 | 67.17 | 68.41 | 65.74 | 40.70 |
| BAGEL | 28.02 | 40.51 | 50.75 | 28.59 | 27.53 | 23.63 |
| 扩散基座(Diffusion-based) | ||||||
| MMaDA | 40.14 | 43.81 | 54.85 | 45.81 | 46.72 | 28.67 |
| Lumina-DiMOO | 29.75 | 43.34 | 51.62 | 39.11 | 44.44 | 26.45 |
| LLaDA-o | 25.25 | 52.30 | 51.22 | 30.72 | 36.66 | 24.66 |
| 本站主体 | ||||||
| Gestalt | 49.50↑9.36 | 47.55 | 60.62↑5.77 | 53.44↑7.63 | 62.29↑15.57 | 43.69↑15.02 |
怎么读:这里的「领先」限定在扩散式统一模型这一组;与 Show-o2 的 MMLU 71.70 相比仍有差距。
五、视觉特有与协同能力
官方描述:视觉特有表现与协同类指标相配,在参评的扩散式模型中取得领先的协同结果。
| 模型 | MIB-V(视觉特有) | CoreCog-SM(协同) | MM-IMDb(协同) | SRBench(协同) |
|---|---|---|---|---|
| 自回归基座(AR-Based) | ||||
| BAGEL | 65.96 | 65.00 | 60.60 | 51.89 |
| 扩散基座(Diffusion-based) | ||||
| MMaDA | 44.23 | 43.20 | 30.39 | 36.72 |
| Lumina-DiMOO | 56.43 | 42.20 | 31.22 | 45.50 |
| LLaDA-o | 60.31 | 53.30 | 39.64 | 50.89 |
| LaViDa-O | 58.07 | 50.60 | 51.54 | 40.89 |
| 本站主体 | ||||
| Gestalt | 59.89 | 55.20↑1.90 | 67.07↑15.53 | 53.17↑2.28 |
怎么读:MIB-V 一项 LLaDA-o 的 60.31 略高于 Gestalt 的 59.89;这一组表格要看的是协同三项的跃升幅度。
以下数字照录官方项目主页的评测表格,本站仅做中文表头整理与分组排版,未复现、未重算。带 † 与 – 的记号沿用原表,含义以原页为准;↑ 后的数字为原表标注的领先幅度。
怎么读这一整页
- 结论要带范围。官方自己的措辞是「在参评模型中」「在参评的扩散式统一模型中」,本站不写成「全面超越」。
- 分项比总分诚实。MME-P 一项 BAGEL 高于 Gestalt,UniGenBench 的 Text 分项 Gestalt 只有 3.80,视觉特有的 MIB-V 一项 LLaDA-o 略高。这些我们都留在表里,没有删。
- 评测来源单一。这些表格由论文作者与官方项目页给出,本站未做第三方复现;不同论文、不同版本的同一基准可能给出不同分数。
- 论文自己没给的:参数量、训练算力、单次推理成本与耗时,在这五张表里都查不到,本站不补推测值。
数据来源:官方项目主页 的 Image Generation / Multimodal Understanding / Language / Multimodal Interplay 四节,以及 论文全文 v2 的对应表格。整理与中文表述由本站完成,非官方发布;最后核对 2026-11-20。