人工智能行业：多模态大模型首次实现像素级推理，UniPixel发布

UniPixel 是香港理工大学与腾讯 PCG ARC 实验室联合研发的

多模态 AI 模型，该模型首次实现视频理解、像素级分割与区域

推理的统一，支持点、框、掩码三类视觉提示交互，核心创新在

于 “对象记忆银行” 机制，可动态存储目标时空特征，实现多

轮对话的上下文感知。基于 Qwen2.5-VL 构建，通过多模态提示

编码器、SAM 2.1 掩码解码器及三阶段渐进训练，3B 参数版本

在 ReVOS、MeViS 等 10 个基准测试中刷新 SOTA，性能超越

72B 传统模型。该模型已开源，在医疗影像分析、教育可视化、

内容创作等领域具实用价值，推动多模态 AI 从“全局通感” 迈

向 “细粒度精准交互” 的新范式。