原生统一多模态进阶！SenseNova U1.5-Lite-Preview开源，生成编辑能力再进化

商汤科技在原生统一多模态领域持续深耕，继今年4月发布SenseNova U1后，近日正式开源了其轻量级预览版——SenseNova U1.5-Lite-Preview。这一版本并非简单的规模升级，而是基于NEO-Unify架构的一次系统性迭代，旨在将强大的视觉理解、推理、生成与编辑能力，以仅8B-MoT的轻量级规模，推向更高分辨率、更逼真质感与更复杂交互控制的新高度。

核心能力：从“理解”到“创作”的全链路贯通

U1.5-Lite-Preview保留了U1在同一模型中联合建模语言、视觉语义与像素生成的核心能力，现在更将图像生成与编辑能力推向新高度。其关键特点在于：

• 原生统一架构
  ：打通语言描述到视觉结构的原生映射，实现真正的统一多模态。

• 强大的指令跟随
  ：即使未经过多模板化Prompt Enhance数据训练，也能稳定处理长篇、多约束、层次化的复杂视觉指令。

• 轻量高效
  ：仅以8B-MoT的模型规模，实现可比肩商用闭源模型的生成与编辑效果，降低部署门槛。

原生4K生成：超大画幅下的细节盛宴

U1.5-Lite-Preview实现了原生4K分辨率的生成能力。这不仅仅是像素数量的增加，更是对细节、材质、光影和整体一致性的全面升级。无论是自然风光、商业摄影、产品海报还是超宽幅长卷，模型都能呈现出真实的材质质感与光影层次。

以下案例展示了模型对不同场景的卓越表现力：

• 海岸游客中心建筑概念图
• 阳光下的面
• 主题创意海报，人物摄影与夸张字体融合设计
• 迷你厨师团队正在装饰一只蓝莓奶油
• 女生站在路边，身后车辆穿梭而过

特别是，模型能够生成横跨2018至2026年WAIC发展历程的长卷，在超大画幅下依然保持细节与视觉一致性。

文字生成与版式升级：信息量再大，效果也稳得住

U1.5-Lite-Preview强化了中英文文字生成及复杂版式组织能力。从杂志内页、旅行攻略到复杂信息图，模型都能在保持视觉风格的同时，组织更清晰的版式结构与更准确的文字呈现。

• 信息图
• 输入图片 / 输出图片（案例：餐饮海报定制）

单参考图条件创作：以一张图为基础，完成完整视觉设计

该模型支持以单张人物、产品或场景图片作为视觉条件。在保持主体身份、外观和关键细节的基础上，模型能够生成全新的海报、信息图、营销页面或其他设计内容。

• 输出图片（案例：人物照片简历排版）

精准编辑能力：从局部到文字，全方位可控

U1.5-Lite-Preview在图像编辑方面实现了多项突破，提供了精准、可控的编辑体验。

信息图局部编辑：牵一发，不动全身

可针对信息图中的标题、数字、图标、标注、图表及内容模块进行定向修改。支持元素增删、位置调整、局部美化和瑕疵修复，确保编辑范围外的内容不受影响。

• 输出图片（案例：替换标题文字）

文字编辑：文字改了，风格还在

可对真实场景中的文字进行编辑，并保持原有的字体、材质、透视、排版与遮挡关系，使修改后的文字自然融入原图。

• 输出图片（案例：添加手绘注释）

交互式精准编辑：画个框，告诉模型“改这里”

支持区域标记、坐标定位、marker标记等方式，让模型更准确地理解编辑位置与范围，可对局部属性进行调整。

• 输出图片（案例：红框指定区域修改）

技术迭代：从验证架构可行，到真实场景好用

U1成功验证了原生统一多模态架构的可行性，而U1.5-Lite-Preview则针对实际落地中的真实痛点进行了系统性优化：

• 网格伪影与高分辨率细节
  ：U1在生成高分辨率图像时，不同区域有时会衔接不自然，出现细微的网格感或拼接痕迹。U1.5-Lite-Preview通过重新设计生成头，减弱视觉Token网格对最终图像的影响，并将训练扩展至4K分辨率。

• 图像编辑稳定性
  ：在实际工作流中，编辑操作有时会导致编辑范围外内容变化、主体身份漂移或局部修改影响整体画面。U1.5-Lite-Preview通过重新组织编辑数据与训练任务，强化模型对原图内容、主体身份、空间结构和非编辑区域的保持能力。

得益于这些改进，U1.5-Lite-Preview在多项主流生成/编辑质量评测基准上取得了显著提升：

• Qwen-Image-Bench从47.14提升到了55.20（with Prompt Enhance）
• ImgEdit-Bench从3.90提升到4.37
• GEdit-Bench-en从7.47提升到8.17
• GEdit-Bench-zh从7.42提升到8.05

降低使用门槛：实验性Prompt Enhance Skill

为了帮助用户更好地实现复杂视觉指令，U1.5-Lite-Preview还配套了实验性的Prompt Enhance Skill。该工具能够将用户简短的想法，自动整理成包含主体、布局、风格、文字和各项约束的完整创作方案，再交由模型执行。这能有效减少因描述遗漏导致的效果偏差，显著降低创作门槛。

开源与未来展望

SenseNova U1.5-Lite-Preview现面向全球用户开源，欢迎广大开发者与创作者下载体验，提供反馈和建议。

• GitHub：https://github.com/OpenSenseNova/SenseNova-U1/blob/main/docs/u1.5_preview.md
• Hugging Face：https://huggingface.co/sensenova/SenseNova-U1.5-8B-MoT-Preview
• 魔搭社区：https://modelscope.cn/models/SenseNova/SenseNova-U1.5-8B-MoT-Preview

从U1到U1.5，代表着商汤在底层创新上的持续进展。同时，面向专业用户的交付级创作模型U1 Pro正在紧密邀测，并将在近期对公众开放服务，预示着更强大的统一多模态创作能力即将到来。