Luma 推出 Uni-1，这是其首款集推理与图像生成于一体的模型

简要介绍

Luma推出了Uni-1，这是其首款结合推理和图像生成于一体的模型——这标志着这家以视频为重点的初创公司从根本上的重大转变。

人工智能视频生成初创公司Luma推出了Uni-1，这是其首款在单一架构中集成推理和图像生成的模型，标志着公司从之前专注于视频内容的战略转变。

据公司介绍，在过去三年中，Luma的工作已从场景重建发展到3D生成和视频扩散的扩展，但仅靠视觉媒体在没有集成理解的情况下仍有局限。Uni-1被定位为公司首个旨在结合推理和生成能力的统一模型，旨在推动多模态通用智能的发展。

Luma将通用智能描述为推理、想象、符号操作和环境模拟的能力。虽然现有的AI系统可以单独执行这些功能，但Uni-1试图在一个框架内将它们结合起来，模拟时间、空间和逻辑，从而实现传统分段流程无法达到的问题解决能力。

该模型采用解码器为核心的自回归变换器，能够将文本和图像以交错序列的形式表示，既作为输入也作为输出。Uni-1具备进行结构化内部推理、拆解指令、解决约束、规划组合和渲染图像的能力。

Uni-1展现了“用语言思考、用像素想象和渲染”的能力，Luma将其描述为“像素中的智能”。未来版本还将推出音频和视频生成等额外功能。该模型不仅是一个工具，更是一个平台，旨在通过将推理直接融入创意工作流程，改变企业的运营方式。

Luma Agents扩展统一智能

在Uni-1的基础上，Luma最近推出了Luma Agents，这是一套由AI驱动的工具，旨在实现从文本、图像、视频到音频的端到端创意制作。这些代理使用Luma的统一智能系列模型，这些模型在单一的多模态推理系统上进行训练。Luma将这些代理定位为广告公司、市场团队、设计工作室和企业客户的解决方案，提供跨多种模态的协同创意生成。

Luma Agents兼容其他AI模型，包括Luma的Ray 3.14、Google的Veo 3和Nano Banana Pro、字节跳动的Seedream，以及ElevenLabs的语音生成工具。Luma的CEO兼联合创始人Amit Jain表示，这些代理利用了Uni-1的集成架构，该架构经过音频、视频、图像、语言和空间推理的训练，使它们能够在协调、智能的工作流程中进行规划、执行和内容生成。