IXThinker·2026-05-06 08:30

129頁視覺生成綜述主張邁向智能世界建模

視覺生成模型近年於照片級真實感、排版與交互式編輯上進步神速，深層認知能力卻原地踏步。一份長達129頁的綜述提出五級分類體系，主張業界由追求畫得像，轉向理解為何而畫的智能視覺生成範式。

表象繁榮之下

綜述指出，視覺生成模型在照片級真實感、文字排版、指令跟隨與交互編輯方面成績顯著，但在空間推理、持久狀態、長時程一致性與因果理解等深層能力上仍明顯不足，生成結果常缺乏物理合理性。