只给一句「想象一下」，Qwen3-VL 内部状态无需训练即可驱动 Qwen-Image 出图

zacharynado · x · 2026-11-03

一张展示组合技的图：用 Qwen3-VL-8B 的内部状态（某一层隐层激活）直接喂给 Qwen-Image-2.1 生成图像，全程无需训练。做法是让语言模型「强烈地在脑海中想象」某个词所指的画面但不写出来，图像生成器读取模型内部状态绘制它想象的画面。对比不同提示词（如只说「Think of X」vs「生动地视觉化想象 X」）与不同隐层位置，生成结果差异明显：提示越强调视觉想象、选取的层越靠后，出图越贴合主题；抽象概念（孤独、你最爱的食物）也能出有意义的结果，展现了「模型脑内画面」的可视化玩法。