# 上海AI实验室把OpenClaw那套方法搬到了多模态生成上，6B小模型在部分任务跑赢了Nano Banana 2

> 原标题：OpenClaw的风刮到了多模态生成，6B小模型超越Nano Banana 2！

- 来源：量子位 · 公众号
- 发布时间：2026-04-11T01:05:00.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/6299
- 原文：https://mp.weixin.qq.com/s?__biz=MzIzNjc1NzUzMw==&mid=2247882420&idx=3&sn=5936d709effbe79c7548aff579363380

## 摘要

上海AI实验室的团队搞了个叫GEMS的方法，给多模态生成模型加上了Agent循环、记忆和技能模块，相当于让模型在生成图片时能自己规划步骤、记住中间结果。他们用6B参数的Z-Image-Turbo做实验，在5个主流任务上平均提升14.22分，在4个下游任务上比之前最好的基线又高了8.92分，部分指标超过了Nano Banana 2。

## 推荐理由

上海AI实验室把Agent循环、记忆和技能模块引入多模态生成，6B模型在5个任务上平均提升14.22分，部分指标超过Nano Banana 2。

## 锐评

6B 跑赢 Nano Banana 2，这个对比我不太当真。GEMS 是给生成流程套上 agent 循环、记忆和技能，涨分主要来自多跑几步，比的是 scaffold 不是参数。对方有没有用同样的套路，材料里没说，这种跨量级的胜负我一般不当真。

方向我认，小模型靠推理时多算几步去追大模型，部署成本能下来一大截。14.22 分是自家五个任务上的平均，参考价值有限，等有人拿同一套 scaffold 在公开 benchmark 上复现。
