已收录文章摘要，完整内容可前往原文阅读。
原生统一做到下一阶段，已经不只是让模型同时会看、会画，还要让这些能力真正彼此协同。当图像模型开始处理多轮编辑、参考保持和复杂视觉指令，底层架构面对的考题也换了。理解与生成已经可以进入同一套模型，接下来