Nexus-Gen是一个统一的模型，它将LLM的语言推理能力和扩散模型的图像合成能力结合起来。我们提出了一种统一的图像嵌入空间来建模图像理解、生成和编辑任务。为了跨多个任务进行联合优化，我们整理了一个包含2630万个样本的大规模数据集，并使用多阶段策略训练Nexus-Gen，其中包括自回归模型的多任务预训练以及生成和编辑解码器的条件适应。