Agentic Visual Generation: From Generative Models to Agentic Control
為何重要
對開發者而言，此文提供了評估視覺 Agent 成熟度的關鍵衡量標準，避免誤將簡單工具呼叫視為具備自主推理能力。投資人應留意此分類法對各類視覺應用商業模式的影響，尤其是 B2B 工具市場將從 L1/L2 堆疊走向具備 L3/L4 能力的自主協作平臺。
視覺生成正從單次 Invoke 演變為具備規劃、回溯與重用經驗的 agentic control。專文提出 L0 至 L4 分層架構，標準化系統如何透過控制器在不同階段介入生成過程。
- L0 為固定支援的 Generators/Evaluators/Benchmarks，無控制器介入生成決策。
- L1 至 L4 依序擴大決策許可權：L1 僅準備輸入但不控制視覺運算；L2 控制執行生成、編輯等操作；L3 根據中間結果動態調整後續操作；L4 則在基於過往任務經驗調整未來決策。
- 框架依據「控制器在生成過程中直接控制的範圍」來定義系統能力，不取決於模型大小或複雜度。