昆仑万维推出并开源Skywork UniPic

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。 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 ...