VisionCreator：一种具备理解、思考、规划与创作能力的原生视觉生成智能体模型

针对视觉内容创作对设计惯例及创意工作流的 nuanced 理解需求，本文提出 VisionCreator，一种原生视觉生成智能体模型。该模型在端到端可学习框架内统一了理解、思考、规划与创作（UTPC）能力。主要贡献包括：构建基于元认知的 VisGenData-4k 数据集；通过渐进式专项训练与虚拟强化学习优化模型；提出 VisGenBench 基准测试。实验表明，该模型在多步视觉创作任务中表现优于更大规模的闭源模型，为视觉生成智能体系统研究奠定基础。