昆仑万维开源Skywork UniPic 2.0：多模态框架实现理解、生图、编辑一体化

产品介绍

昆仑万维在2025年8月13日的SkyWork AI技术发布周中，正式推出开源多模态模型Skywork UniPic 2.0。该模型基于SD3.5-Medium架构，以仅2B参数量实现图像理解、文本生图（T2I）、图像编辑（I2I）三大能力的端到端整合，成为首个在轻量化设计中兼顾高性能与多任务协同的统一框架。

适用人群

1. 设计师与创意工作者：快速生成并迭代视觉素材，支持风格转换与局部编辑。
2. 游戏开发者：动态生成场景、角色，实时调整美术风格。
3. 电商与营销团队：一键生成商品图，适配多平台宣传需求。
4. 教育从业者：创建可视化教学内容，增强交互体验。
5. 中小型企业开发者：低算力需求（支持RTX 4090消费级显卡）降低技术门槛。

核心功能与技术实现

下表对比UniPic 2.0与主流模型的性能表现：

技术原理：三模块协同架构

1. 生图编辑模块
   • 改造SD3.5-Medium输入层，同时接收文本+图像，通过VAE编码参考图为潜变量Token，与噪声Token拼接实现T2I/I2I双能力。
2. 统一模型能力
   • 冻结生图模块，联合微调Qwen2.5-VL-7B与连接器，在亿级图像数据上对齐多模态特征空间。
3. 生图编辑后训练
   • Flow-GRPO策略：分阶段强化编辑与生图任务，避免多任务干扰；
   • 奖励模型：基于GPT-4.1标注的33万样本训练Skywork-EditReward，提供像素级质量评分。

工具使用技巧

1. 多轮提示优化
   • 首轮生成后，用渐进式指令细化：
     

     “生成赛博朋克风格街道”→ “添加霓虹灯牌和雨夜效果” → “将行人外套改为荧光黄”。

2. 跨任务串联
   • 先调用理解能力分析图像元素，再基于结果生成文案或编辑背景：
     

     输入旅游照片→识别地点/季节→生成宣传文案→转换为手绘风格。

3. 局部编辑指令
   • 使用边界框描述提升精度：
     

     “将图中左上角猫咪墨镜替换为金色边框”。

访问地址

• 项目主页：https://unipic-v2.github.io/
• HuggingFace模型：
  • https://huggingface.co/Skywork/UniPic2-SD3.5M-Kontext-2B
  • https://huggingface.co/Skywork/UniPic2-Metaquery-9B
• GitHub代码库：https://github.com/SkyworkAI/UniPic

轻量高效，却蕴藏无限可能。Skywork UniPic 2.0正在重新定义创作边界——你的想象力，从此无需妥协于工具切换的琐碎。