中文图像编辑领域新王登场！UniWorld‑V2 发布，框选就能改、中文字体精准呈现，表现压过 GPT‑Image 与 Gemini

图像编辑赛道又迎来一次大升级！兔展智能携手北京大学 UniWorld 团队发布新一代图像编辑模型 ——UniWorld‑V2。它不仅在细节掌控上胜过 Nano Banana，对中文指令的理解也更加到位。

UniWorld‑V2 构建在全新的视觉强化学习框架 ——UniWorld‑R1 之上。该框架首次把强化学习中的策略优化引入图像编辑，显著提高了编辑的准确度与灵活度。相比传统的监督微调，UniWorld‑R1 旨在缓解过拟合、提升泛化，让模型面对多样化指令时响应更稳。

比如，用户让 AI 把女生的手势改成“OK”，UniWorld‑V2 能准确理解并完成；而 Nano Banana 没能正确把握意图。更亮眼的是，在海报场景中，UniWorld‑V2 可渲染复杂的中文艺术字，如“月满中秋”，清晰度与语义都到位。

它的精细控制同样出彩。用户只需框选，就能锁定编辑范围，完成高难度操作，比如把某个物体移出框外。与此同时，UniWorld‑V2 的光影处理也很强，能把新元素自然融入场景，画面更协调。

在 GEdit‑Bench 与 ImgEdit 基准上，UniWorld‑V2 分别拿到 7.83 和 4.49 分，遥遥领先 OpenAI 的 GPT‑Image‑1、Gemini 2.0 等主流模型。其背后是 UniWorld‑R1 的强通用性加持，不仅让 UniWorld‑V2 受益，也能显著提升其他模型表现。

目前，UniWorld‑R1 的论文、代码与模型已在 GitHub 与 Hugging Face 开源，为后续研究打下基础。这次发布不仅推动多模态进展，也为图像编辑解锁更多玩法。

论文链接:

https://arxiv.org/abs/2510.16888

GitHub 项目:

https://github.com/PKU-YuanGroup/UniWorld