Gen-Searcher 的推出不仅展示了 Agentic 生成在知识密集型图像生成任务上的潜力也为构建真正能够连接搜索、推理与生成的一体化系统提供了清晰路径。过去两年图像生成模型在质感和审美上一路狂飙但大多仍是 “直接出图” 的范式。一旦 prompt 涉及真实世界知识、最新信息、冷门事实或者需要跨多个来源核对细节传统文生图模型就很容易翻车。因为生成模型缺乏面向真实世界的 Agent 能力仍然依赖固化的参数知识缺少主动搜索、验证和整合外部信息的能力。最近来自香港中文大学 MMLab、UC Berkeley 和 UCLA 的研究团队提出了 Gen-Searcher首次尝试为图像生成任务训练一个 “深度搜索” 智能体。它让图像生成模型能够像 Agent 一样进行搜索、推理、找图和浏览网页从而输出真正可靠的生成结果。所有数据模型和代码均已开源。论文标题Gen-Searcher: Reinforcing Agentic Search for Image Generation论文地址https://arxiv.org/pdf/2603.28767项目主页https://gen-searcher.vercel.app/现实需求从 “直接生成” 到 Agentic 生成现实世界中的图像生成任务往往不只是 “按 prompt 作画”。很多场景会涉及真实世界知识、最新信息、冷门事实甚至需要跨多个来源核对细节。模型不仅要会生成还要先判断哪些信息需要确认、哪些视觉细节需要参考、哪些内容必须依赖外部知识支撑。在这种背景下传统文生图模型有两个核心问题一是主要依赖预训练学到的参数知识缺乏主动搜索、验证和整合外部信息的能力二是整体流程仍是 “输入 prompt直接出图”缺少像 Agent 那样先搜索、推理、整理证据的过程因此在真实场景里很容易 “画得像却画不对”为了解决这个问题研究团队提出了 Gen-Searcher希望把文生图从 “直接生成” 推进到 Agentic 生成数据构建与 KnowGen 基准为了训练这种能力作者先构造了一批真实世界需要搜索才能完成的生成数据覆盖名人、动漫、物理、化学、艺术、建筑、新闻等约 20 个类别。随后作者让强模型配合搜索工具生成多轮轨迹收集文本知识和视觉证据再用 Nano Banana Pro 合成目标图像得到约 30k 条原始样本。经过 Seed1.8 筛选后最终保留约 17k 条高质量数据并整理成 Gen-Searcher-SFT-10k 和 Gen-Searcher-RL-6k。在此基础上作者还提出了新的 benchmark —— KnowGen。它包含 630 条人工验证样本用于图像生成 Agent 评测。模型训练Gen-Searcher 的核心是把生成前的信息获取过程做成一个可训练的 Agent。模型不再拿到 prompt 就直接生成而是先在多轮交互中决定何时搜索、搜什么、是否浏览网页、是否补充视觉参考最后输出准确的 prompt 和参考图。它配备了三类工具文本搜索、图像搜索和网页浏览。训练上则分两阶段进行先通过 SFT 训练学会工具使用再通过 agentic RL 优化搜索策略和长程决策。论文还提出了双奖励反馈。因为只看最终图像效果并不稳定作者额外加入了一个文本奖励用来评估输出的 prompt 是否已经包含足够、正确、与生成相关的信息再与图像奖励结合起来共同训练。这样模型不仅要 “画得好”也要 “搜得对”实验结果在 KnowGen 上原始 Qwen-Image 的 K-Score 为 14.98接入 Gen-Searcher-8B 后提升到 31.52提高 16.54 分。而且这种能力还能迁移到其他图像生成器上Seedream 4.5 从 31.01 提升到 47.29Nano Banana Pro 也从 50.38 提升到 53.30。在 WISE 测试基准上模型同样带来了巨大的提升。可视化分析表明Gen-Searcher 能够真正提高模型生图的准确性和质量。写在最后Gen-Searcher 的推出不仅展示了 Agentic 生成在知识密集型图像生成任务上的潜力也为构建真正能够连接搜索、推理与生成的一体化系统提供了清晰路径。它不仅能 “画”还能 “查”不仅能完成传统的文本到图像生成更能在生成之前主动搜索信息、核对事实、整合证据展现出面向真实世界复杂任务的生成能力。在大模型不断走向多模态、强推理与 Agent 化的趋势下Gen-Searcher 的工作或许只是一个起点但它所验证的方向正在成为生成系统迈向 Agentic 时代的重要一步。