商汤科技正式开源了其轻量级、原生统一多模态大模型 SenseNova U1.5 Lite。与预览版相比，正式版不再仅仅追求“画面美感”，而是聚焦于真实视觉工作流的稳定性与可控性。通过 NEO-unify 统一架构和 MOPD 蒸馏技术，该模型在仅 8B 参数量下，实现了媲美超大模型的复杂指令遵循、高清细节生成及精准图像编辑能力，旨在推动 AI 视觉生成从“玩具”走向“生产力工具”。
- GitHub：https://github.com/OpenSenseNova/SenseNova-U1
- Hugging Face：https://huggingface.co/collections/sensenova/sensenova-u15
- 魔搭社区：https://modelscope.cn/models/SenseNova/SenseNova-U1.5-8B-MoT
- SenseNova Studio在线体验：https://unify.light-ai.top
核心突破：解决创作者的“崩溃瞬间”
SenseNova U1.5 Lite 针对实际生产中的痛点进行了深度优化：
- 3-4k 字符超长复杂指令遵循：
- 打破开源模型通常在 1k 字符后易崩溃或遗漏细节的瓶颈。
- 能同时处理主体、数量、空间关系、文字、布局、风格等多重约束，确保模型精准执行用户的完整意图，而非仅解析部分提示词。
- 更可靠的原生图像编辑：
- 增强对非编辑区域（如背景、主角面部）的保持能力，避免“改一只杯子换整张脸”的尴尬。
- 支持局部修改、元素替换、文字精修及多参考图融合，实现像素级的精细控制。
- 卓越的文字与复杂布局能力：
- 加强中英文渲染、海报排版及信息图生成，从单纯的“生成内容”进化为“组织完整的视觉表达”。
- 在处理文字与物体遮挡时，能维持光影的自然连贯，展现对三维空间叠加关系的深刻理解。
- 原生 4K 高分辨率输出：
- 在高分辨率生成中兼顾整体构图与极精细的肌理、微小文字及光影折射，满足商业交付标准。
技术架构：NEO-unify 与 MOPD 蒸馏
SenseNova U1.5 Lite 摒弃了业界常见的显式 Router（路由）或多专家协同机制，采用更高效的统一架构：
- 解耦训练与交付 (MOPD 蒸馏)：
- 训练阶段：针对文字、美学、编辑等任务独立训练专家模型（Expert）。
- 交付阶段：通过多专家在线策略蒸馏技术 (MOPD)，将多专家的能力无损融合至单体 8B 模型中。
- 理解与生成双向反哺：
- 视觉语义理解与空间建模形成的认知直接反哺生成过程，使模型能自然消化多层级指令，同时在多模态理解榜单上保持强劲表现。
- 极致性价比：
- 8B 参数量支持单卡流畅运行，无需频繁切换模型，单次 Pass 即可兼顾语义理解与像素生成，极大降低调用成本与推理延迟。
实战场景验证
- 复杂视觉表达：
- 创意海报：高精度掌控文字与留白节奏，处理空间遮挡时光影自然。
- 高密度信息图：准确呈现中英文数据细节，实现复杂信息可视化的一次性高质量交付。
- 原生图像编辑：
- 草图转漫画：精准遵循超长指令，保留线稿分镜，上色细腻。
- 多参考图融合：如“橘猫骑摩托坐在咖啡馆内”，能提取多图核心特征并在新空间中自然重组，光影比例浑然天成。
- 局部精细编辑：支持指定区域修改，完美保留非目标区域结构。
强化学习后训练 (RL) 的三大维度
正式版通过任务导向的 RL 后训练，重点优化了：
- 指令遵循 (Instruction Compliance)：轻松解析超长 Prompt，精准执行严苛限制。
- 视觉偏好 (Visual Preference)：全面优化构图、材质与光影，提升画面质感。
- 编辑保持 (Editing Preservation)：实现像素级局部修改，完美保留非目标区域。
© 版权声明
文章版权归作者所有，未经允许请勿转载。
