7月30日，昆仑万维正式开源「Skywork UniPic」,这是一款基于自回归路线的多模态统一预训练模型。
该模型在单一架构中深度融合图像理解、文本到图像生成（T2I）和图像编辑三大核心能力，通过端到端预训练实现高效通用性。
主要功能：
图像理解：基于文本提示理解图像内容，完成图文匹配、问答等任务。模型能精准地捕捉图像的语义信息，实现对图像的深度理解。
prompt：这是哪座城市？（What city is this?）
文本到图像生成：根据用户输入的文本提示，模型能生成高质量的图像。
prompt：生成一个带有彩虹发丝的少女数字肖像。（Digital portrait of a girl with rainbow hair.）
图像编辑：用户提供参考图像和编辑指令，模型根据指令对图像进行修改，例如替换图像中的元素、调整风格等，支持多种复杂的编辑操作。
prompt：将图片中的星星替换成蜡烛（Replace the stars with the candle.）
prompt：将以下图片风格转绘成吉卜力风格和像素风格（Switch to a Ghibli style and a pixel style.）
性能优势：
Skywork UniPic以仅1.5B的轻量级参数规模，实现与大参数模型媲美的性能，在四大核心评估维度上均展现出了卓越表现！
指令遵循能力：GenEval评估得分0.86（无CoT），超越多数同类模型，逼近BAGEL（7B+7B*）的0.88分。
复杂生图领先：DPG-Bench基准达85.5分，行业SOTA。
编辑能力顶尖：GEditBench-EN得分5.83，ImgEdit-Bench达3.49分。
部署友好：在RTX 4090等消费级显卡流畅运行，降低技术门槛。
应用场景
创意设计与广告制作：广告公司根据文案快速生成创意图像，为新产品设计吸引人的宣传海报，大幅缩短设计周期，提升工作效率。
文化遗产保护：博物馆修复文物图像或根据历史文献复原古代场景，如重现古代丝绸之路的繁华景象，帮助观众更直观地了解历史，增强文化传承效果。
智能家居与物联网：智能家居系统根据用户语音指令生成相应场景图像，如温馨客厅场景，为用户提供直观的场景预览和定制服务，提升用户体验。
Github :https://github.com/SkyworkAI/UniPic
