以下为上游提供的源文稿，可能存在识别错误。
乔木转写是基于源文稿的中文提炼，不是逐字翻译。请核对原文中的人名、数字与观点。
选一篇，慢慢读
从左侧挑一篇，正文会在这里排成书页。
Humans routinely consume multimodal content, where textual and visual information is naturally interleaved. Although Unified Multimodal Models (UMMs) can jointly generate text and images, multimodal interleaved generation remains largely underexplored. Progress in this area is hindered by two key limitations: (1) the l
阅读原文 · Shaohan Yu, Jie Qin, Wende Tan, Haiwen Diao, Limeng Qiao, Yueming Lyu, Chenyang Si
向阳乔木 · opencode-go/deepseek-v4.1-flash
多模态模型这两年进步很快，文生图、图生文都能做。但真实场景里，人和模型打交道的内容很少是纯文字或纯图片，往往是 图文交错 ：一段说明配一张图，图后面再跟一段解释。 这篇 IntReal 就盯着这个场景。作者认为，统一多模态模型（UMMs）虽然能同时生成文字和图像，但“交错生成”这件事基本没被认真定义过，更缺少能诊断模型到底差在哪的评测。 值得看的原因很直接：...