Suno最强开源对手来了：4090一分钟出歌，把AI音乐从抽卡变成可编辑工程

近期，香港科技大学联合M-A-P、NOIZ AI、斯坦福等机构发布并开源了一个统一符号与音频音乐生成的模型YuE2，将开源音乐生成的质量推向与前沿闭源模型正面竞争的位置。

在WildSongBench的192个prompts评测中，YuE2已逼近Suno v5、Mureka 9，同时超过Suno最新一代闭源模型v6及v6 Wild；八选一后更以6.9632拿下17组参评系统最高分，遥遥领先多款前沿闭源模型。

但YuE2的野心远不止把开源音乐生成推到frontier水平。它还试图解决AI音乐创作长期存在的另一个难题：如何让一次性的生成结果，变成一个可以被理解、定位、修改，并持续迭代的创作过程。

如果说过去用户更多是在一次次“抽卡”中寻找满意的结果；那么YuE2希望把一首生成出来的歌，真正变成可以继续打磨的作品。

开源SOTA，逼近闭源Suno v5，超越最新Suno v6

采用WildSongBench进行评测，在192个prompts上，YuE2的SongBench平均分达到6.7316，逼近Suno v5的6.8721和Mureka 9的6.9377；同时超过Suno最新一代模型v6（6.5562）及v6 Wild（6.4195）。在八选一设置下，YuE2得分进一步提升至6.9632，超过包括Suno v5、v6、MiniMax Music 2.6、Mureka 9在内的多款前沿闭源音乐模型。

Agentic Music Editing：用一句话，精细修改已经生成的音乐

不只是生成一首歌，YuE2把音乐变成一份可以继续被修改的“工程文件”。在生成音频之前，模型会先规划一份包含人声旋律、器乐旋律、和弦和段落结构的双轨曲稿，并以ABC文本记谱形式保存。这种“先写下作曲安排，再生成最终声音”的方式，就是YuE2引入的核心机制创新——symbolic plannin...