**Intern Lumina U2：首个全离散多码本扩散语言模型，实现统一视觉理解与生成**

_Intern Lumina U2: A Multi-Codebook Diffusion Large Language Model for Omni-Visual Understanding and Image Generation_

> 该研究提出了 Intern Lumina U2，这是首个将多码本视觉令牌完全融入离散空间进行建模的扩散语言模型。通过引入互补码本组来表示每个视觉位置，该模型在保持与离散文本建模兼容性的同时，显著提升了视觉表征容量。基于统一的 4D 表示，Intern Lumina U2 支持图像、视频和 3D 输入，在视觉理解、图像生成及编辑等任务上均达到领先水平。此外，研究团队构建了跨平台（昇腾与英伟达）的全栈系统，并通过稳定性感知采样策略将图像生成效率提升了 4.45 倍。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-10-16 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2610.20818)