نُقدِّم EMMA، وهي معمارية فعّالة وشاملة للفهم، والتكوين، والتحرير متعدد الوسائط. وتمتاز EMMA بشكل رئيسي بـ: 1) مُشَرِّح تلقائي فعّال بعامل ضغط 32x، مما يقلل بشكل كبير من عدد الرموز (tokens) المطلوبة لعملية التوليد. كما يضمن هذا التصميم التوازن في التدريب بين مهام الفهم والتوليد من خلال تطبيق نفس نسبة الضغط على الصور. 2) دمج مُتَوَسِّط حسب القنوات (channel-wise concatenation) بدلًا من الدمج حسب الرموز (token-wise concatenation) بين رموز الفهم البصري وتوليد الصور، مما يقلل إضافيًا من عدد الرموز البصرية في المعمارية الموحّدة. 3) شبكة مشتركة ومتفرّقة (shared-and-decoupled network) التي تُمكّن من تحسين متبادل بين المهام، في الوقت الذي يلبي فيه متطلبات النمذجة المخصصة لكل مهمة. 4) آلية "مزيج الخُبراء" (mixture-of-experts) التي تم تطبيقها في مُشَرِّح فهم الصور، والتي تُحسّن بشكل كبير القدرات الإدراكية مع زيادة طفيفة جدًا في عدد المُعامِلات. أظهرت التجارب الواسعة أن EMMA-4B تتفوّق بشكل ملحوظ على أحدث المعماريّات الموحّدة متعددة الوسائط (مثل BAGEL-7B) من حيث الكفاءة والأداء، كما تحقق نتائج تنافسية مقارنة بالخبراء الحديثين في فهم وتكوين الوسائط (مثل Qwen3-VL وQwen-Image). نعتقد أن EMMA تُشكّل أساسًا متينًا لتطوير المعماريّات الموحّدة متعددة الوسائط في المستقبل.