< img id="wx_img" src="https://www.qbitai.com/wp-content/uploads/imgs/qbitai-logo-1.png" width="400" height="400">
2026-04-25 14:58:48 来源：量子位
一家低调的视觉大模型公司，浮出水面
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。
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。
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。
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。
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）
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：
值得⼀提的，是UniWorld系列发布的历史时间线：
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。
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。
那么，最硬核的来了：
这么强的“怪兽”模型，现在开放免费体验了！
独家体验传送门，手慢无
UniWorld-V2.5体验入口：https://uniworld.rabbitpre.com/
版权所有，未经授权不得以任何形式转载及使用，违者必究。
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。