」，在单一模型中深度融合图像理解、文本到图像生成、图像

　　秉持开放协作、共享创新的理念，昆仑万维面向社区全面开放 Skywork UniPic 的核心资源：

　　01 Skywork UniPic：统一自回归模型实现生成、

　　GPT-4o的迅速走红，标注着人工智能领域多模态统一预训练模型的成熟。Skywork UniPic 延续了 GPT-4o 的自回归范式，在单一模型中深度融合图像理解、文本生成图像与图像

　　传统多模态统一模型多依赖 VQ 或 VAE 编码器来压缩

　　为此，SkyworkUniPic 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

　　该结构设计的核心洞察在于：能否构建一个轻量级统一模型，在保持实际部署可行性的同时，在理解、生成与

　　图文理解：基于 token 预测完成文本的自回归建模

　　图像生成：采用掩码自回归方式，逐步生成图像 patch

　　图像

　　此外，Skywork-UniPic完成端到端优化流程，能够实现生成、理解、

　　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坚实基础。

　　用户只需要输入提示词，Skywork-UniPic 既可以像 VLM 一样理解图像、像 T2I 模型一样生成，还可以像美图工具一样，一键实现风格转绘/吉卜力化的

　　02 模型优势：1.5B 轻量级规模性能逼近同类大参数统一模型，诠释了“小而美”的技术美学

　　团队在追求模型能力极限的同时，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，真正诠释了“小而美”的技术美学：术亮点

　　指令遵循能力媲美大型模型：在 GenEval 指令遵循评估中取得 0.86 的优异成绩，超越了绝大多数同类统一模型，在无 CoT 的情况下取得了 SOTA 分数，逼近较大模型 BAGEL带 CoT 的 0.88 分；

　　复杂指令生图能力领先：在 DPG-Bench 复杂指令生图基准上达到 85.5 分的行业 SOTA 水平；

　　参数效率优势显著：相比同类大参数统一模型，Skywork UniPic 以 1.5B 的轻量级规模实现了接近甚至超越大参数模型的性能表现；

　　部署友好，真正可落地：模型在 RTX 4090 消费级显卡上均可流畅运行，为广大开发者和研究者提供了真正可落，地的统一模型解决方案，大幅降低了技术应用门槛。

　　数据构建：亿级高质量语料库支撑统一模型预训练

　　首先，SkyworkUniPic 的卓越性能，并非源自数据堆叠的蛮力，而是得益于一套高度精炼、系统优化的数据构建体系。

　　团队突破了“更大即更强”的传统认知边界，通过约亿级规模的精选预训练语料与数百万级任务精调样本，成功构建出一套面向理解、生成与

　　这一构建体系产生的语料库不仅显著压缩了训练资源成本，更在模型泛化能力与任务迁移表现上展现出惊人的性价比，充分验证了小规模、精筛选、高质量数据对统一多模态模型训练的可行性与潜力。

　　奖励模型构建：数据质量驱动的智能评估体系

　　其中，Skywork-ImgReward是基于强化学习训练的Reward Model，相比于其他T2I Reward Model，Skywork-ImgReward在多个文生图场景下的偏好选择表现都更接近人类偏好。它不仅被用来作为文生图数据质量的筛选，也可以在后续被用于图像生成能力强化学习训练中的奖励信号，以及作为生成图像的质量评估指标。

　　同时面对图像

　　训练体系优化与策略提升

　　MAR训练优化体系：为提升模型表现，我们采用了两项关键优化策略：首先，在数据层面引入覆盖更广

　　HARMON训练优化体系：为进一步提升模型性能并兼顾训练效率，我们设计了多阶段分层分辨率训练机制。在第一阶段，模型在512×512分辨率下进行微调，聚焦基础特征提取的稳定性与收敛性。随后逐步提升输入分辨率至1024×1024，促使模型更好地捕捉纹理、边缘等高精度细节信息。

　　同时，我们采用分阶段参数解冻策略，逐步释放模型能力。在初始阶段，仅训练Projector模块以实现

　　渐进式多任务训练策略：为解决理解、生成和

　　训练初期，模型先专注于单一任务，待其收敛后再引入理解与

　　整体来看，以上策略在训练过程中实现了结构合理的能力释放和任务适应，显著提升了模型在理解、生成和

　　过去半年，昆仑万维已经开源了多个SOTA大模型，涵盖奖励模型、推理、软件工程、多模态、空间智能等领域。今天，Skywork-UniPic正式加入开源大家庭，让AI真正成为每个人触手可及的创意伙伴。