OmniGen2是北京人工智能研究院发布的开源多模态生成模型，旨在统一文本到图像生成、图像编辑和上下文生成等多种任务。其核心创新在于采用双路径解码架构和自我反思机制，为文本和图像模态设计了独立的解码路径和非共享参数，并在现有模型基础上进行构建，保留了强大的文本生成能力。该模型在OpenBayes云平台提供便捷的使用教程，用户可一键克隆并使用预设的算力资源和镜像，快速体验文本生成图片和图像编辑等功能，并可调整多种参数以优化生成效果。

✨ OmniGen2采用创新的双路径解码架构，为文本和图像模态设计了独立的解码路径和非共享参数，这使得模型能够基于现有的多模态理解模型进行构建，无需重新适应VAE输入，从而有效保留了原有的文本生成能力，解决了多模态生成任务的统一性问题。

🌟 该模型的核心创新点之一是引入了自我反思机制，这一机制能够提升模型在生成过程中的准确性和创造性，使其成为当前开源多模态模型领域的新标杆，为相关研究和应用提供了坚实的基础。

🚀 OmniGen2在OpenBayes云平台上提供了便捷的“公共教程”和一键克隆功能，用户无需复杂的环境配置即可快速上手。平台会自动匹配所需的算力资源和镜像版本，极大地降低了使用门槛，让用户能够专注于模型的功能体验。

🖼️ 用户可以通过调整多种参数，如文本引导尺度、图像引导尺度、推理步骤、种子等，来精细控制生成图像的风格和内容。通过简单的文本提示，即可实现文本到图片的生成，例如“The girl by the sea”，并且可以对生成的图像进行编辑，如“Put a hat on her.”，展现了其强大的图像编辑能力。

💡 OmniGen2不仅支持文本到图像生成，还具备图像编辑和上下文生成的能力，为开发者和研究者提供了一个统一且强大的多模态生成解决方案，推动了多模态人工智能技术的发展和应用落地。

OmniGen2 是北京人工智能研究院（BAAI）于 2025 年 6 月 16 日发布的开源多模态生成模型，旨在为多种生成任务提供统一的解决方案，包括文本到图像生成、图像编辑和上下文生成。与 OmniGen v1 不同，OmniGen2 为文本和图像模态设计了两条独立的解码路径，采用了非共享参数和分离的图像分词器。这一设计使得 OmniGen2 能够在现有的多模态理解模型基础上进行构建，而无需重新适应 VAE 输入，从而保留了原有的文本生成能力。其核心创新在于双路径架构和自我反思机制，成为当前开源多模态模型的新标杆。相关论文成果为「OmniGen2: Exploration to Advanced Multimodal Generation」。

教程链接：go.openbayes.com/oCWcX

使用云平台: OpenBayes

openbayes.com/console/sig…

首先点击「公共教程」，在公共教程中找到「OmniGen2：探索高级多模态生成」，单击打开。

页面跳转后，点击右上角「克隆」，将该教程克隆至自己的容器中。

在当前页面中看到的算力资源均可以在平台一键选择使用。平台会默认选配好原教程所使用的算力资源、镜像版本，不需要再进行手动选择。点击「继续执行」，等待分配资源。

数据和代码都已经同步完成了。容器状态显示为「运行中」后，点击「 API 地址」，即可进入界面。若显示「Bad Gateway」，这表示模型正在初始化，由于模型较大，请等待约 2-3 分钟后刷新页面。

具体参数：

Height：高度Width：宽度Text Guidance Scale：文本引导尺度Image Guidance Scale：图像引导尺度CFG Range Start： 范围起始CFG Range End：范围结束Scheduler：调度器Inference Steps：推理步骤Number of images per prompt：每条提示的图像数量Seed：种子max_input_image_side_length：最大输入图像边长max_pixels：最大像素

官方在这里给出了很多案例，大家可以自行尝试。

我们首先使用文本生成图片功能，输入 prompt「The girl by the sea」后点击「Generate」，可以看到它快速生成了一张在海边的女孩。

接下来可以保存图片，进行图片编辑，输入 prompt「Put a hat on her.」后点击「Generate」，可以看给女孩戴了一顶帽子。