# 腾讯混元开源 UniRL：一套强化学习框架同时管图像生成和语言模型，还带了两个新算法

> 原标题：腾讯混元发布UniRL：统一多模态强化学习基础设施

- 来源：AI HOT 精选
- 发布时间：2026-06-09T11:45:15.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/36612
- 原文：https://x.com/TencentHunyuan/status/2064312869827809702

## 摘要

UniRL 把扩散模型、流匹配模型、大语言模型和视觉语言模型的强化学习训练塞进了同一个后训练循环里，流程就是生成、打分、算优势、更新参数再同步。框架把模型和算法拆成两个独立维度，可以自由组合，目前已经用在 Hunyuan-Image 3 和 Bagel 上。

## 推荐理由

腾讯混元开源 UniRL，把扩散、流匹配、语言和视觉语言模型的强化学习训练放进同一后训练循环，模型与算法解耦后可自由组合，为多模态对齐提供了一套可复用的训练基础设施。

## 锐评

把扩散、流匹配、LLM、VLM 的 RL 训练塞进同一个后训练循环，这个方向对。省事的地方在模型和算法解耦那一层，做多模态对齐的不用再为每种模型各搭一套采样和打分管线，换个算法就行。

框架顺不顺手，得看 Hunyuan-Image 3 和 Bagel 之外接别的模型好不好接，开源框架容易只在自己家模型上跑通。多一个能抄的 scaffold 不亏，先看代码里模型适配那层写得干不干净。
