我们提出了BAGEL，这是一个拥有70亿个活跃参数（总计140亿个参数）的开源多模态基础模型，其训练数据来自大规模的多模态交错数据。在标准的多模态理解排行榜上，BAGEL在性能上超越了当前顶尖的开源视觉语言模型（VLMs），如Qwen2.5-VL和InternVL-2.5，并且其文本到图像的生成质量可与SD3等强大的专业生成器相媲美。此外，在经典的图像编辑场景中，BAGEL在定性表现上优于现有的领先开源模型。更重要的是，BAGEL还扩展到了自由形式的视觉操作、多视角合成以及世界导航等能力，这些能力构成了超越以往图像编辑模型范畴的“世界建模”任务。下图展示了BAGEL的定性性能。