Bagel 在 UnicBench 中的评测结果

作者您好，

我们近期在图像编辑领域提出了一个 10M 规模的高质量图像编辑数据集 **UnicEdit-10M**，以及一个更全面、更系统的评测基准——**UnicBench**。
UnicBench 覆盖 Basic Edit 与 Complex Edit（包括空间变化、组合编辑、知识推理型编辑等）多类任务，并设计了更细粒度的评测指标体系，以更真实地反映模型在复杂图像编辑场景下的综合能力。

在 UnicBench 上，我们对 **Bagel** 进行了系统评测。结果表明：
Bagel 在整体综合能力上处于当前开源图像编辑模型的前列，在中英文编辑任务中均表现稳定，并在复杂编辑任务上展现出了较为突出的能力。
相关结论在多项子任务和综合评分中均有一致体现。

此外，**UnicEdit-10M** 数据集目前正在进行最后的检查与逐步开源中，后续也非常期待 **Bagel** 能基于该数据集开展进一步的训练或评测探索。

同时，我们已经在 Bagel 仓库中提交了一个 **PR（#285）**，新增了 **UnicBench 的评测代码支持**，以方便后续在该基准上的统一测试与对比。如有任何需要修改或优化的地方，我们也非常乐意继续配合完善。

欢迎交流与合作，也非常感谢您为社区提供如此高质量的开源图像编辑模型。

**相关链接如下：**
- 📄 UnicEdit-10M 论文（arXiv）：https://arxiv.org/pdf/2512.02790
- 💻 UnicBench 代码仓库：https://github.com/WeChatCV/UnicBench
- 📊 UnicBench 测试集（Hugging Face）：https://huggingface.co/datasets/xiaotanhua/UnicBench

Review PR #285 and the UnicBench repository first; the issue provides no file or test entry point. Confirm whether the submitted evaluation support is complete and what maintainers want changed, then use the benchmark instructions and dataset links to define completion.

Written by the indexing model from the issue text.