Boogu 团队发布开源多模态模型，40万美元成本媲美闭源系统
jiqizhixin · x · 2026-08-08
Boogu 团队发布了开源多模态模型 Boogu-Image-0.1，该模型能够同时进行图像理解和生成，支持双语文字渲染及指令引导的图像编辑。
其核心思路是通过强化模型的图像理解能力（采用更优的编码器、智能提示词重写及高质量训练数据），从而大幅提升生成质量。尽管算力预算极其有限，该模型不仅匹配或超越了主流开源模型，甚至接近 Nano-Banana Pro 和 GPT-Image-2 等闭源系统的表现。
训练细节：
- 仅使用 2.08 亿张图像进行训练。
- 总训练成本约 40 万美元。
目前，模型的权重、代码及训练方案已基于 Apache 2.0 协议开源。
「多模态」频道最新
- Midjourney --sref 1127756965：拼贴质感插画风风格码分享 — sergeantsref · 2026-10-16
- 一条「贴海面拉升俯瞰悬崖」视频模型运镜 Prompt 走红 — umesh_ai · 2026-10-16
- 4070 实测：Flux.3 klein 蒸馏版 10 秒 vs Qwen Image 2.1 turbo 3 秒 — Ant_6431 · 2026-10-16
- Kling 4.0 全面开放,实测快打场景动作连贯性显著提升 — alifcoder · 2026-10-16
- MJev-Spatial:单次前向分类框架做空间推理,快过自回归 VLM — mindlab-research · 2026-10-16
- Technion 提出 H-DDCM:Hadamard 码本加速生成式图像视频压缩 — Technion · 2026-10-16