Luma AI представила Uni-1 — свою первую модель, которая совмещает понимание изображений и их генерацию в единой архитектуре.
Uni-1, как и Nano Banana Pro от Google и GPT Image 1.5, основана на авторегрессионном трансформере — это тип ИИ-модели, которая генерирует контент последовательно, токен за токеном, а не «достаёт» изображение из шума, как это делают классические диффузионные модели. Текст и изображения обрабатываются в едином конвейере.
По данным Luma, модель умеет рассуждать по ходу генерации: разбирать сложные запросы на части и планировать сцены. Такой подход обычно даёт более точное следование промптам, и Uni-1 не является исключением. Например, она может взять несколько фотографий и объединить их в совершенно новую композицию.
Кроме базовой генерации, Luma заявляет, что Uni-1 способна уточнять и дорабатывать объекты на нескольких шагах диалога, сохраняя контекст, превращать изображения более чем в 76 художественных стилей, принимать на вход эскизы и визуальные инструкции, а также переносить личности, позы и композиции на новые изображения по референсным фото.
В одном из демонстрационных примеров модель сгенерировала целую последовательность кадров по одной референсной картинке, постепенно «старя» пианиста от детства до пожилого возраста.
По утверждению Luma, Uni-1 занимает первое место в тесте RISEBench для логически ориентированной обработки изображений, немного опережая Nano Banana 2 и GPT Image 1.5. Способность к генерации повышает и качество визуального понимания: в задаче распознавания объектов Uni-1 почти достигает уровня Gemini 3 Pro от Google. Модель поддерживает несколько языков.
Uni-1 планируют сделать доступной через Luma Agents — новый креативный ассистент компании, а также через Luma API. Стоимость использования пока не раскрывается.
Источник: The Decoder.
