京东（jd-opensource）正式开源 JoyAI-Image——一款真正意义上的统一多模态基础模型。它用一个 8B 多模态大语言模型（MLLM）做理解中枢，搭配 16B 多模态扩散 Transformer（MMDiT）做生成引擎，把「图像理解、文生图、指令式图像编辑」三件事拧进同一个模型族。 最值得关注的是它的「理解⇄生成」闭环设计：以往的多模态系统理解归理解、生成归生成；JoyAI-Image 把两边打通——更强的空间理解反哺生成质量与可控编辑，而生成出的新视角又能为空间推理提供证据。这种双向激励的范式在国内开源多模态里相当少见。 技术细节上，它在长文本排版、多视角生成、几何感知的空间编辑（Object Move / Object Rotation / Camera Control）上做了专项优化，在 spatial reasoning 与 Qwen-Image-Edit、Nano Banana Pro 等同台对标。模型权重、Diffusers 集成、ComfyUI 工作流、HuggingFace Demo 一并释放，Apache 2.0 完全开源。 7 月 17 日最新更新：JoyAI-Image-Edit 与 Edit-Plus 原生支持 ComfyUI，可直接拖入工作流运行，无需额外依赖。 这条路径的真正意义在于：当行业还在争论「理解派」和「生成派」谁主导，京东用统一架构给出了答案——边界本来就不必分。短期内，这会给 Qwen-Image-Edit、Seedream 等开源图像模型压力；长期看，「理解⇄生成」的双向激励范式有可能成为下一代多模态模型的标配。