编辑评分 100/100
网站简介
智源研发的单Transformer统一多模态模型，无需扩散组合架构 Emu3是北京智源人工智能研究院研发的多模态大模型，打破当前多模态模型常用的扩散或组合架构设计思路，通过将多模态序列统一到单个Transformer模型中，简化了多模态系统的复杂设计。在生成类与感知类多模态任务上，性能超越多个细分领域的特定任务旗舰模型，具备良好的训练与推理扩展潜力。
核心功能
统一多模态建模
将所有多模态数据统一为单Transformer可处理序列，大幅简化多模态模型设计
图像生成
在开放域图像生成任务上，性能超越多款同级别特定领域的旗舰模型
视频生成
支持端到端视频生成任务，无需复杂的组合模块进行适配改造
视觉语言理解
支持各类跨模态图文理解任务，性能表现达到行业领先水平
可扩展架构
训练与推理过程具备良好扩展空间，可适配后续模型能力迭代升级
使用指南
- 1
用户可访问Emu3官网https://emu.baai.ac.cn/about，先在关于页面了解模型的技术背景、核心设计思路与公开实验成果
- 2
学术研究者可跟进项目公开的技术论文，深入了解模型细节
- 3
后续若开放Demo或调用接口，可按照官网指引申请权限，体验模型能力。
优势亮点
统一架构设计简洁，降低模型复杂度
无需扩散或组合架构，技术思路创新
生成与感知任务均达领先性能
具备良好的训练推理扩展潜力
编辑推荐
Emu3跳出了当前多模态生成模型普遍依赖扩散架构的行业思路，用单Transformer统一所有多模态序列的设计，为多模态大模型的架构简化提供了创新方向，其在生成和感知双赛道的领先表现，验证了这类统一架构的可行性，对多模态领域技术研发有较高参考价值。
常见问题
深度了解
Emu3是北京智源人工智能研究院推出的新一代多模态大模型，官方域名是emu.baai.ac.cn。不同于现有多数多模态模型采用的扩散架构或组合式模块设计，Emu3通过将文本、图像、视频等多模态数据统一转换为单个Transformer可处理的序列，实现了全任务的统一建模，大幅简化了多模态模型的设计复杂度。该模型在生成任务与感知任务上均取得了领先性能，超越了多个细分领域的特定任务旗舰模型，支持图像生成、视频生成、视觉语言理解等多类核心多模态任务，具备出色的训练与推理扩展潜力，可供行业研究者参考推动技术创新。
使用须知
定价: 以官网定价为准
价格和授权政策可能变化，请以官网最新信息为准
资料由中文导航编辑部整理并经健康检测核验，定期复查更新。
本页信息核对于 2026/10/10，收录信息以收录当日官网状态为准，如发现内容过期请通过下方反馈告知。
访问第三方网站时，请注意以下事项:
- 谨慎提供个人账号、密码和支付信息
- 下载文件前确认来源安全，警惕诱导性广告
- 涉及版权素材使用时，请核实授权范围
- 如遇网站无法访问或内容异常，可反馈给我们
帮助我们维护准确的收录数据，纠错会进入编辑复核队列
用过Emu3？说说你的真实体验
你的点评会帮助更多人选型避坑——匿名发表，无需注册，30 秒即可完成
用户评价
还没有评分
成为第一个评价 Emu3 的人
我的评分
随下方评论一并提交
热度数据
按站内点击统计1
站内总点击
#-
同类排名 / 2716 站
1
同类点击中位数