大家好，我是讯享网，很高兴认识大家。这里提供最前沿的Ai技术和互联网信息。



4月初，京东探索研究院正式对外开源自研的JoyAI-Image-Edit图像模型。

代码已经放在GitHub上，以Apache 2.0协议释出，推理代码全部开放，开发者可以直接拿去做应用。

目前，系统已完成对ComfyUI的支持，并全面兼容Diffusers格式的模型权重与推理流程，方便开发者进行灵活部署与二次开发。

链接：https://github.com/jd-opensource/JoyAI-Image

体验地址：https://huggingface.co/spaces/stevengrove/JoyAI-Image-Edit-Space

开源权重：https://modelscope.cn/models/jd-opensource/JoyAI-Image-Edit

这是一件大事。

因为它不是又一个「更好用的AI修图工具」，而是业内首个把「空间智能」写进模型架构底层的开源一体化图像模型，让模型真正「理解空间，编辑空间」。

野心就写在标题上——《JoyAI-Image:Awakening Spatial Intelligence in Unified Multimodal Understanding and Generation》，直译过来就是「在统一的多模态理解与生成中，唤醒空间智能」。

技术上，JoyAI-Image把一个80亿参数的多模态语言模型（MLLM）和一个160亿参数的（MMDiT）耦合在一起，形成一个共享接口，让空间意图从指令解析一路贯穿到图像生成。

更关键的是它背后的数据和训练哲学：一条可扩展的数据流水线，包含空间理解数据（OpenSpatial）、长文本渲染数据、编辑数据（SpatialEdit），再加上多阶段的优化策略。

这套架构的精髓在哪？

在于「理解」和「生成」第一次形成了真正的闭环。

过去的图像模型，理解归理解、生成归生成，两边各玩各的。

而JoyAI-Image的核心原则是理解、生成、编辑三者之间的闭环协作：更强的空间理解让生成和编辑更可控，而视角变换这类生成操作又反过来为空间推理提供新的证据。

JoyAI-Image在图像理解、合成与编辑方面均展现了全面领先的能力

说人话就是：模型一边「看」一边「画」，一边「画」又帮它看得更清楚。

这才是真正意义上的空间智能觉醒。

落到具体能力上，JoyAI-Image支持三种空间编辑提示范式：物体移动（Object Move）、物体旋转（Object Rotation）和相机控制（Camera Control）。

第一，相机控制。你可以用一句大白话告诉它——「把相机往右偏30度，往下俯15度，再拉近一点」——模型会在保持场景几何一致性的前提下，给你生成一张全新视角的图像，透视关系、遮挡关系、光影关系全都对得上。

第二，物体旋转与空间漫游。支持连续的视角移动，能生成一整串逻辑连贯的多视角图像序列。

什么意思？就好像你戴着一台虚拟相机，真的在这个三维场景里「走动」，每一帧都立得住。

第三，物体空间关系操控。挪动、旋转、缩放画面中的任何一个物体，场景整体结构保持稳定，遮挡自然合理，光影过渡顺滑，不会再出现变形、错位、比例失衡那些老毛病。

这种空间编辑能力带来很多有趣的新玩法──

给定第一帧（下图左）后，你利用空间编辑能力生成视频的最后一帧（下图右）。

然后，由视频生成模型在两者之间创建平滑的旋转过渡，还能保持背景的一致性。

更硬核的是横评。

和Qwen-Image-Edit、Nano Banana Pro相比，JoyAI-Image-Edit能够忠实执行相机运动，合成最具诊断性的新视角，这些高保真的新视角有效地消除了复杂空间关系的歧义。

同样让模型「换个角度看世界」，别人换出来的画面或许能看，但JoyAI-Image-Edit换出来的画面，是真的对，这对于把模型投入真实生产和应用环境来说至关重要。

与此同时，它还全面兼容15类通用编辑能力——替换、删除、添加、风格迁移、细节精修、长文本渲染，样样拿得出手；尤其在空间推理、长文本渲染以及空间可控操作上表现尤为出色。

比如，输入一行指令就给小猫戴上皇冠。

或者将行人从图片中移走。

长文本渲染更是拿手。

顶尖的空间编辑×全面的通用编辑，这是真正的「文武双全」。

一个模型的价值，不在跑分，而在用在哪。

JoyAI-Image-Edit最能发挥威力的两个战场，一个是电商，一个是——恰好都是京东的主场。

做电商的品牌客户，是对空间编辑最饥渴的用户。

一件商品拍进来，要换背景、换角度、换搭配、换场景、换光线。

过去这些活儿要么靠摄影师重拍，要么靠设计师通宵P图，要么靠AI生成一堆「塑料感」假图。

有了JoyAI-Image-Edit，一张主图可以自动衍生出几十种视角和场景，商品还是那个商品，形象保持一致，细节不穿帮，成本直接砍到脚踝。

对于服务着数百万商家的京东来说，这不是锦上添花，这是水和电。

具身智能的场景，则是空间理解最硬的刚需。

机器人要在真实世界里干活，第一件事就是「看懂」空间——哪是桌子、哪是椅子、杯子离我多远、我伸手能不能够到。

空间理解能力，就是机器人「理解世界」的核心底座。

而机器人行业的卡脖子问题是「数据」，如何能生产海量供机器人训练的数据，光靠本体采集、遥操是不够的，这时候JoyAI-Image-Edit能派上很大用场。

在具身智能的实测演示中，用户只需输入一句自然语言提示词（比如「机器人左手举起来」），并用画框框选目标区域，就能对指定物体的动作、姿态和旋转角度进行精细化操控.

在机器人做家务的实拍场景里，模型完整保留了背景环境、物体空间关系与物理合理性，生成了机器人抬手的全新姿态。

这已经不是「修图」，这是给机器人预演动作，也给机器人走进生活提供了大量优质的数据养料。

现在，京东正在将AI能力融入其「超级供应链」。

这一次，京东选择了开源，任何开发者、任何企业都可以自由地使用、修改、商用这个模型。

这件事的分量比想象中要重。

因为空间智能是通往的「最后一公里」——一个AI如果连物体在空间中的位置关系都搞不清楚，谈何理解世界？

而把这样一个在空间一致性上达到世界一流水准的模型彻底开源，等于把一把关键钥匙交到了整个社区手里。

对电商从业者，它是成本杀手；对设计师，它是随身的三维助手；对机器人团队，它是视觉感知的现成底座；对学术研究者，它是可以站在上面继续往前走的巨人肩膀。

更重要的是，它让空间智能这件事，不再是少数几家闭源巨头的专利。

这两年大厂卷AI卷得飞起，参数比大小、榜单比名次、发布会比排场，每个人都想成为下一个OpenAI。

但京东的节奏一直挺「稳」——不凑热闹，不跟风，它的AI布局始终死死咬住一条主线：聚焦自己最懂、最具禀赋的实体场景，把AI扎到产业最深处。

过去一段时间，京东在AI上的动作密集得惊人：

更猛的是，京东宣布要建全球规模最大、场景最全的具身智能数据采集中心，两年内攒下超过1000万小时真实场景数据，动员数十万人搞「人类史上最大的数据采集行动」。

看懂这份清单，你就看懂了京东的AI逻辑：零售、物流、工业、健康、具身——每一步都踩在自己的供应链和场景资源上。

别人在云端打参数战，京东在地上打场景战。

别人在比谁的模型更聪明，京东在比谁的AI更能干活、更能赚钱、更能落地。

而这一次开源的JoyAI-Image-Edit，正是这套打法的最新一块拼图。

京东的打法也给整个行业提了个醒：AI的竞争，终究不是参数的竞争，而是场景的竞争、落地的竞争、价值的竞争。

谁最懂自己的主场，谁就能把AI真正用起来。

零售、物流、工业、具身——京东把AI扎进了自己最肥沃的那几亩地，然后让种子在产业的土壤里发芽。

属于空间智能的时代，才刚刚开始。

注：文中部分输入图来源于Arena