一句话定义：统一图像创建（Unified Image Creation）指用同一个模型、同一套权重，同时完成图像生成（从文字造图）、图像编辑（改图）和图像理解（读图）三类任务，而不是把三个专用模型串成一条流水线。以 Qwen-Image 这类模型为代表，具体版本与能力以官方页面为准。
打个比方：传统做法像一支装修队——设计师出图、水电工改线、验收员检查，各司其职，中间靠图纸交接。统一图像创建更像一个全能师傅：你说"把这面墙刷成绿色"，他既看得懂现状（理解），也知道绿色长什么样（生成），还能只动这一面墙（编辑）。
关键在"统一表示"。传统流水线里，文字、图片、编辑指令各自编码，模型之间靠中间产物（mask、深度图、边缘图）传话，信息在交接处会损耗。统一模型通常把文本 token 和图像 token 放进同一个序列，用一套注意力机制处理，"理解"和"生成"共享同一份内部表示，编辑时的改动落在同一个潜空间里，所以更能保住原图的主体、光照和文字。
与"扩散模型 + AI 词典：ControlNet">ControlNet"的差异：
| 维度 | 扩散模型 + ControlNet | 统一图像创建 |
|---|---|---|
| 架构 | 底模负责生成，ControlNet 等外挂模块注入条件 | 一个模型内建多任务能力 |
| 理解能力 | 基本没有，靠外部模型先算出条件图 | 模型自己看懂原图和指令 |
| 编辑入口 | 需要 mask、姿态、深度等手工条件 | 以自然语言指令为主 |
| 一致性 | 取决于条件图质量，容易崩 | 依赖共享表示，通常更稳 |
| 加新能力 | 接一个新模块 | 靠训练数据与任务混合 |
这不是说 ControlNet 过时了。对精确控制（指定骨架、线稿、深度）它依然直接有效，成本也低。差别在于，统一路线把"控制"从外挂条件图搬到了模型内部的语言理解上：以前是你先把意图翻译成一张条件图，现在是你把意图直接说给它听。
对从业者的意义：过去做"AI 修图"产品，往往要拼装检测模型、分割模型、局部重绘模型，再加一堆提示词工程；统一模型把这条链路压缩成一次调用，工程复杂度明显下降，也更少出现"三个模型各改一点、最后谁也不认识原图"的情况。对普通职场人，这意味着"用嘴改图"变得可行——上传一张海报说"把标题换成英文、背景调暖一点"，不用圈选也不用涂抹。
边界也要清楚：需要像素级精确对齐、严格遵循品牌规范、或复杂多步合成的场景，统一模型未必比专用管线更可控；另外它终究是概率模型，改一处顺带改坏另一处的风险仍然存在。落地前建议用自家素材跑一轮真实用例，而不是拿演示视频当生产结论。