苹果发布UniGen+ 1.5模型，单AI实现图像理解、生成与编辑
，科技媒体9to5Mac援引12月18日的报道称，苹果研究团队近日发布了多模态AI模型UniGen+1.5。该模型的突破性在于成功将图像理解、生成与编辑三大核心功能整合于单一系统之内。
不同于以往依赖多个专用模型分别处理不同任务的传统方案，UniGen+1.5构建了一个统一的框架，仅用一个模型即可同时执行图像理解、生成与编辑。研究团队指出，这种一体化架构能让模型利用其强大的图像理解能力来提升生成质量，从而实现更精准、更连贯的视觉内容输出。
在图像编辑方面，精准理解用户复杂或细微的修改指令一直是业界难题。为此，苹果团队创新性地引入了名为“编辑指令对齐”的后训练阶段。该技术并非让模型直接修改图像，而是要求模型根据原始图像和编辑指令，先预测出目标图像的详细文本描述。
这一“先描述，后生成”的中间步骤，迫使模型在输出最终图像前必须深入理解用户的编辑意图，从而显著提高了编辑的准确性和可控性。
除了指令对齐技术，UniGen+1.5的另一重要贡献是在强化学习层面实现了创新。研究团队设计了一套统一的奖励机制，可同时应用于图像生成和图像编辑的训练过程。
此前，由于编辑任务在修改幅度上跨度极大，从细微调整到彻底重构，实现统一的奖励评判极为困难。此项突破使得模型在处理各类视觉任务时，能遵循一致的质量优化标准，显著提升了系统的鲁棒性和稳定性。
在多项业界基准测试中，UniGen+1.5表现出了强大的竞争力。数据显示，在GenEval和DPG-Bench测试中，其得分分别达到了0.89和86.83，显著优于BAGEL、BLIP3o等近期热门模型。在图像编辑专项测试ImgEdit中，它以4.31的综合得分，不仅超越了OminiGen2等开源模型，其表现更是与GPT-Image-1等专有闭源模型持平。
尽管整体表现卓越，UniGen+1.5目前仍存在一些局限性。研究人员在论文中坦言，由于所采用的离散去标记器在控制细粒度结构方面能力不足，模型在生成图像内嵌文字时容易出错。此外，在某些编辑场景下，模型偶尔会出现主体特征漂移的问题，例如改变猫的毛发纹理或导致鸟的羽毛颜色产生偏差。这些问题已被列为团队未来的重点优化方向。
热门专题
热门推荐
公安部就电子数据取证规则公开征求意见，拟将网络安全等行政案件纳入适用范围，并规范取证流程与核心概念。新规特别明确了获取密码、调取通讯内容等特殊程序，需经严格审批并保障当事人权利。配套法律文书也同步优化，以构建更规范且注重权利保障的取证体系。
理想L9和LIvis的定价策略刚掀起波澜，小鹏GX的最终价格就给出了更猛烈的回应——从近40万元的预售价直降至27万元起。用小鹏产品矩阵负责人吴安飞的话说，这叫“9系的产品，8系的价格”。 这12万元的下调，效果堪称立竿见影。发布会次日，小鹏集团港股股价一度大涨超8%。更关键的是市场订单：上市12小
5月21日，环塔拉力赛新疆且末赛段大营迎来了一位备受瞩目的访客——知名零售企业胖东来的创始人于东来。他专程前往长城汽车车队营地，与参赛车手及后勤团队进行了深度交流。据悉，于东来此次自驾越野之旅已历时一月，随行车队中包含多款国产越野车型。经过实地驾驶与多维度对比，他对以长城汽车为代表的国产越野车品质给
比特币官方入口在哪里？一个核心门户的权威指南 说起比特币，很多人第一反应是去找它的“官网”或“官方App”。但这里有个关键点需要先理清：比特币本质上是一种去中心化的全球数字货币，它不属于任何一家公司或机构，而是由一个庞大的、遍布全球的社区共同维护。因此，它并没有传统意义上由某个企业运营的“官方网站”
Ring-2 5-1T是什么 在当今大模型技术激烈竞争的赛道上，追求更长的上下文处理能力和更强大的深度推理性能已成为核心焦点。近日，蚂蚁集团旗下的inclusionAI团队重磅开源了Ring-2 5-1T模型，这是一个参数规模高达万亿级别的混合线性思考大语言模型。该模型基于先进的Ling 2 5架构