Lance：通过多任务协同实现统一的多模态建模

我们推出了 Lance，这是一个轻量级的原生统一模型，支持图像和视频的多模态理解、生成和编辑。Lance 不依赖模型容量的扩展或以文本-图像为主的设计，而是通过协作多任务训练探索了一种实用的统一多模态建模范式。它基于两个核心原则：统一上下文建模和解耦能力路径。具体而言，Lance 从零开始训练，在共享的交错多模态序列上采用双流混合专家（MoE）架构，在实现联合上下文学习的同时，解耦了理解与生成的路径。我们进一步引入了模态感知的旋转位置编码，以减轻异构视觉标记（token）之间的干扰并增强跨任务对齐。在训练过程中，Lance 采用阶段式多任务训练范式，通过面向能力的优化目标和自适应数据调度，强化语义理解和视觉生成性能。实验结果表明，Lance 在图像和视频生成方面显著优于现有的开源统一模型，同时保持了强大的多模态理解能力。项目主页：https://lance-project.github.io。