Unified Thinker：通用图像生成的通用推理模块核心

尽管高保真图像合成取得了显著进展，但生成模型在逻辑密集型指令遵循方面仍存在挑战，暴露出持续的推理-执行鸿沟。与此同时，闭源系统（如 Nano Banana）已展示出强大的推理驱动图像生成能力，凸显了当前开源模型之间的显著差距。我们认为，克服这一差距不仅仅是需要更好的视觉生成器，更需要可执行的推理：将高层意图分解为可验证的具体计划，直接驱动生成过程。为此，我们提出 Unified Thinker，一个面向通用图像生成的任务无关推理架构，旨作为可插拔到 diverse generators 和 workflows 中的统一规划核心。Unified Thinker 将推理 Thinker 与图像 Generator 分离，实现对推理的模块化升级而无需重新训练整个生成模型。我们进一步引入两阶段训练范式：首先为 Thinker 构建结构化规划界面，然后应用强化学习将其策略锚定在像素级反馈中，鼓励计划优化视觉正确性而非文本合理性。广泛的文本到图像生成和图像编辑实验表明，Unified Thinker 在图像推理和生成质量方面实现了显著提升。