UNI-1（全称 Unified Intelligence）是一个多模态推理模型，其核心特点是同时具备视觉理解与图像生成能力，并将二者整合在同一个仅解码器（decoder-only）的Transformer架构中。官方描述其不是把理解和创作当作两个独立问题，而是用单一模型统一处理。
主要能力
- 推理驱动的图像生成：支持常识性场景补全、空间推理和基于合理性的变换，强调不仅遵循提示词，而是理解提示词。
- 多参考图像合成：可接收多张照片，将人物、物体或环境从不同的源图像合并为一个连贯的新场景。
- 时间序列与衰老模拟：通过一句话提示，在固定镜头角度下生成角色从童年到老年的演化序列，自动处理身体衰老、家庭变化等因果逻辑。
- 多轮对话式精修：可在多轮对话中保持上下文并逐步调整主体，支持将图像转换为76种以上艺术风格，接受草图和视觉指令作为输入，并从参考照片迁移身份、姿态与构图。
- 文化感知视觉智能：面向全球美学、表情包和漫画等场景，强调理解通用模型容易忽略的细微语境。
- 图像内文本渲染：官方称可生成复杂字符，包括中文成语和非拉丁文字，排版错误极少，在文本渲染准确度上超过多数竞品。
使用方式 根据官网说明，使用 UNI-1 Studio 的流程为：
- 描述图像：在输入框输入提示词，选择 Generate 打开工作室并载入描述。
- 设置图像：按需添加参考图像，选择宽高比和输出格式，并登录。
- 生成并下载：查看积分消耗，生成图像，随后预览并下载结果。 官网称可免费试用，无需API密钥即可开始；API访问正在逐步开放，企业选项需联系支持。
架构与技术主张 UNI-1 采用纯自回归统一范式，使用与GPT类语言模型一致的纯解码器Transformer架构，将文本和图像表示为单一交错序列，同时作为输入和输出，从而在图像合成前及合成中执行结构化推理。官方称其区别于传统扩散模型和“语言模型+独立图像生成器”的串联流程，可消除模态间交接造成的上下文缺口。
基准与价格 官网声称，UNI-1 在推理类基准上超过 Google 的 Imagen 3 和 OpenAI 的 GPT Image 1，在对象检测上接近 Google 的 Gemini 3 Pro；在RISEBench（推理驱动的视觉编辑）的时序、因果、空间、逻辑四个维度均领先；在人类偏好Elo中，整体质量、风格与编辑、基于参考的生成三项排名第一，文生图排名第二。价格方面，官方称2K分辨率下API文生图约每张0.09美元，比同类Google模型低约10%至30%。官网当前使用账户积分计费：在1K工作室设置下每张图10积分。以上API价格为模型参考价，网站套餐需查看定价页面。
适用场景 官方列举的应用方向包括：结构化推理后的信息图、图表、摩尔斯电码和多语言文本生成；参考引导编辑、素描转图像、文生图；多轮创意工作流；以及结合文本、图像、视频和音频的端到端创意流程。官网称某为期一年、预算1500万美元的国际广告活动在40小时内被转化为低成本的多国本地化版本，并通过严格内审；并称其被Publicis Groupe、Serviceplan、Adidas和Mazda等品牌用于机构级生产。
限制与暂未提供的信息 部分能力表述、基准排名、价格与客户案例均来自官方自述，未提供第三方独立验证信息；具体可用地区、完整套餐与定价细节、API开放时间表、并发与配额限制等未在提供资料中说明。
