本报讯 （记者李乔宇）7月30日，昆仑万维科技股份有限公司（以下简称“昆仑万维”）正式推出并开源采用自回归路线的多模态统一预训练模型Skywork UniPic，在单一模型中深度融合图像理解、文本到图像生成、图像编辑三大核心能力。该模型基于大规模高质量数据进行端到端预训练，具备良好的通用性与可迁移性。

　　据悉，Skywork UniPic在单一模型中深度融合图像理解、文本生成图像（T2I）与图像编辑三大核心任务，构建了真正统一的多模态模型架构。

　　传统多模态统一模型多依赖VQ或VAE编码器来压缩视觉内容，虽然具备一定效果，但也存在局限性。它们更侧重保留图像的视觉细节而非语义信息，这会在一定程度上削弱模型的图像理解能力。

　　为此，Skywork UniPic团队借鉴Harmon架构设计，并在表征方式上做出关键调整。采用MAR编码器作为图像生成路径的视觉表征基础，同时引入SigLIP2作为图像理解路径的主干。

　　此外，Skywork UniPic完成端到端优化流程，能够实现生成、理解、编辑三大能力的协同训练和相互促进，突破传统方法中能力权衡的技术瓶颈。这一架构设计不仅保持了自回归模型的简洁高效，更通过共享编码器实现了跨任务的深度协同，为多模态统一模型的实用化部署奠定了基础。

　　在追求模型能力极限的同时，Skywork UniPic也坚持效率重要性的设计理念。Skywork UniPic以1.5B的紧凑参数规模，在无CoT（思维链）的情况下取得了SOTA（“当前最佳水平”）分数，逼近部分较大模型带CoT的0.88分；在DPG-Bench复杂指令生图基准上达到85.5分的行业SOTA水平。