Gestalt 非官方模型资料站标识 Gestalt非官方模型资料站 · GESTALTX.ORG

非官方 · 与论文作者、GeWu-Lab 及各所属机构无关联 · 数据以官方页面为准,最后核对 2026-11-20

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。

表里的「↑」及后面的数字是原表标注的领先幅度,「†」与「–」沿用原表记号,含义以官方页面为准。紫色底纹行是 Gestalt。所有表格横向可滚动,内容已直接写在页面源码里,不需要脚本加载。

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OverallStyleWorldAttr.ActionRel.Comp.GrammarLayoutLogicText
生成专用模型(Gen. Only)
DALL-E-370.8295.0892.7184.9868.3677.9073.8868.1971.7657.1118.26
SD-3.5-Large64.3588.1288.1578.7859.6367.6262.2165.2371.1944.9017.66
OmniGen271.3994.3584.8383.0366.5773.0670.4976.4080.6356.5527.99
统一模型(Unified)
Emu350.9589.3676.1666.8143.8051.7046.0050.2556.6727.431.36
Show-o270.3393.1188.4486.3569.0277.3776.4570.3080.6359.711.90
Janus-Pro71.1194.0288.1581.8169.1477.9676.5374.6282.1462.624.08
MMaDA40.1075.8352.7549.9032.4239.0638.3750.0043.0219.420.27
BAGEL71.2692.4489.3184.2167.6275.7074.7174.7581.9059.7112.23
Lumina-DiMOO71.8186.8888.5883.7169.6673.3374.9374.4984.8458.0123.64
Gestalt73.30↑1.4995.85↑0.7781.6582.5168.5778.12↑0.1681.20↑4.6782.23↑5.8385.79↑0.9573.28↑10.663.80

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OverallBasicAdvancedDesigner
ShortLongShortLongShortLongShortLong
生成专用模型(Gen. Only)
PixArt-Sigma62.0058.1270.6675.2557.6549.5062.1152.41
FLUX.1 Pro67.3269.8979.0878.9161.1065.3771.8068.80
MidJourney V768.7465.6977.4176.0064.6660.5368.8363.61
SD 3.5 Large71.1566.9678.3479.5667.6761.1864.4366.39
统一模型(Unified)
Emu343.3839.4449.8842.0837.0933.5253.7360.45
MMaDA52.3252.9065.7866.7150.3250.7660.4555.60
Show-o267.3868.7681.1684.0669.2572.9975.3775.75
Janus-Pro66.5065.0279.3378.2559.7158.8265.8460.25
BAGEL71.5071.7081.7980.0570.2472.1968.2867.91
Lumina-DiMOO71.2768.5375.5078.2970.4968.3369.7870.90
Gestalt74.57↑3.0778.86↑7.1683.79↑2.0086.06↑2.0072.60↑2.1177.69↑4.7084.70↑9.3388.81↑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-PGQAMMStar-PPOPERWQAMMVPCVB2dCVB3d
自回归基座(AR-Based)
BAGEL1687.0†66.470.988.267.669.3†77.784.2
扩散基座(Diffusion-based)
MMaDA1410.7†61.3†43.086.1†48.217.355.354.8
Lumina-DiMOO1534.2†43.3–87.4†35.934.054.352.0
LaViDA-o1431.054.155.9–56.647.373.470.8
LLaDA-o1412.0†58.055.687.266.446.778.075.9
Omni-diffusion1216.7†––76.6†––––
本站主体
Gestalt1600.2↑66.060.260.886.559.148.7↑1.478.9↑0.986.1↑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MMLUTruthfulQAWinoGrandeHellaSwagARC-EARC-C
自回归基座(AR-Based)
Show-o271.7046.9474.0376.6784.4358.53
Janus-Pro49.9041.7267.1768.4165.7440.70
BAGEL28.0240.5150.7528.5927.5323.63
扩散基座(Diffusion-based)
MMaDA40.1443.8154.8545.8146.7228.67
Lumina-DiMOO29.7543.3451.6239.1144.4426.45
LLaDA-o25.2552.3051.2230.7236.6624.66
本站主体
Gestalt49.50↑9.3647.5560.62↑5.7753.44↑7.6362.29↑15.5743.69↑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)
BAGEL65.9665.0060.6051.89
扩散基座(Diffusion-based)
MMaDA44.2343.2030.3936.72
Lumina-DiMOO56.4342.2031.2245.50
LLaDA-o60.3153.3039.6450.89
LaViDa-O58.0750.6051.5440.89
本站主体
Gestalt59.8955.20↑1.9067.07↑15.5353.17↑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。