OmniGen2

OmniGen2は、北京人工知能研究所（BAAI）によって開発されたオープンソースのマルチモーダルAIモデルです。テキスト指示に基づく画像生成、画像編集、複数の画像から要素を抽出するインコンテキスト生成などの機能を備えています。技術的には、テキスト処理を担う自己回帰トランスフォーマーと画像合成を担う拡散トランスフォーマーを分離した「分離アーキテクチャ」を採用しており、言語能力と視覚生成能力のシナジーを実現しています。最大の特徴は「反省（Reflection）」メカニズムで、AIが自ら生成した出力を評価し、ユーザーの指示との乖離を特定して自動で修正・再生成する能力を持っています。商用モデルであるGPT-4oに匹敵する性能を目指しており、モデル本体やデータセットがGitHubやHugging Faceで無償公開されているため、AIの民主化を促進する存在として注目されています。