近期，AI领域掀起了一股新的热潮，GPT-5的造势引发了广泛关注，而上半年GPT-4o的“吉卜力”风暴依然热度不减。根据微信指数显示，GPT-4o引发的生图功能在网友中持续风靡，不仅让“万物皆可吉卜力”成为潮流，更引发了关于AIGC范式的深刻思考。
昆仑万维在这一技术趋势下迈出了重要一步，开源了多模态统一模型Skywork UniPic。这款模型展现了与GPT-4o类似的图像一体化能力，能够在单一模型中实现图像理解、文本到图像生成、图像编辑三大核心能力的深度融合。Skywork UniPic通过自回归模型架构，将图像生成深度整合到多模态框架中，实现了跨模态的一体化建模。
在生图能力上，Skywork UniPic展现了对提示词的深刻理解。例如，对于提示词“两位寿司师傅在江户时代熙攘的街市投掷彩虹寿司。他们头顶的纸灯笼明灭闪烁。整个场景呈现出像素化的复古游戏画风。”，模型能够生成高度符合要求的图像。该模型还能将图片转换成吉卜力风格，效果令人印象深刻。
与同类大参数模型相比，Skywork UniPic主打高“性能密度”，其1.5B参数模型的效果接近甚至超越百亿参数专用模型，且能在消费级显卡上流畅运行。昆仑万维此次开源不仅提供了完整模型权重和详细技术报告，还配套了全流程代码，为学习者和开发者提供了全面的资源。
Skywork UniPic的技术细节显示，其采用了自回归模型架构，通过解耦的视觉编码器设计，实现了图像生成与图像理解的深度融合。该模型还通过大规模预训练，从单纯的“图像生成”能力跃升为兼具“高质量生成”与“强大语义表征”的综合视觉基座。在数据构建方面，昆仑万维团队通过精选预训练语料与任务精调样本，构建了一套高效能多模态训练语料库，实现了高质量小规模数据训练多模态模型的可行性。
为确保图像生成与编辑任务的高性能，昆仑万维团队还设计了两套专用奖励模型，分别用于图像生成和图像编辑的数据质量评估。这些奖励模型不仅提高了数据筛选的精确度，还作为强化学习训练中的奖励信号，显著提升了模型的生成和编辑能力。
在训练策略上，Skywork UniPic采用了渐进式多任务训练机制，结合MAR训练优化体系与Harmon训练优化体系的精髓，实现了模型能力的有序提升。通过逐步引入不同难度的任务，并在精细化调优阶段利用奖励模型筛选高质量训练数据，模型在理解、生成和编辑任务上均表现出了卓越的综合性能。
原生多模态统一模型正受到越来越多的关注，其优势在于能够在统一模型中集成多模态能力，满足用户的多样化需求。Skywork UniPic的成功展示了高质量小数据结合统一自回归框架的潜力，为AIGC从“拼规模”走向“拼效率、拼体验”提供了方向。昆仑万维的持续开源也推动了技术社区的进步，为开发者们探索AI应用的更多可能性提供了支持。
昆仑万维自发布AI搜索产品“天工AI搜索”以来，一直保持着持续开源的状态，从语言模型到视频模型，覆盖了多模态的全方位应用。其开源力量正推动着我们更快迎来创意大爆炸时代，而这一次，中国技术正引领全球风潮。
感兴趣的读者可以访问以下链接获取更多信息：模型权重（https://huggingface.co/Skywork/Skywork-UniPic-1.5B）、技术报告（https://github.com/SkyworkAI/UniPic/blob/main/UNIPIC.pdf）、代码仓库（https://github.com/SkyworkAI/UniPic）。
