商汤开源SenseNova U1.5 Lite：8B参数实现4K直出，复杂指令与编辑能力比肩闭源模型

事件概述

商汤科技（SenseNova）正式开源了SenseNova U1.5 Lite模型。作为此前Preview版本的迭代升级，该版本主打“更完整、更准确、更稳定”，在保持8B轻量级参数量级的同时，显著提升了视觉生成质量、指令遵循能力及图像编辑精度，核心场景表现被评估为比肩闭源的GPT-Image-2。

核心性能亮点

• 原生4K高分辨率输出：直接生成4K高清图，有效保留构图、纹理、小字及光影细节。
• 超长复杂指令遵循：支持3-4k字符长度的Prompt，能同时处理主体、数量、位置、文字、布局和风格等多重约束，减少细节遗漏。
• 高精度原生图像编辑：支持框选、标记和多图参考，修改指定区域时能精准保持人物、结构、版式及其他非编辑区域的完整性。
• 复杂文字与布局优化：在中英文文字渲染、海报设计、信息图及多文本排版上准确率更高，擅长组织复杂画面结构。

技术架构与训练策略

SenseNova U1.5 Lite基于NEO-unify原生统一多模态架构，将视觉理解、图像生成和编辑整合在同一模型中，避免了传统路由机制带来的调用延迟和部署复杂性。

• “先拆后合”的训练方法：在训练阶段，分别针对文字渲染、美学表达、图像编辑等目标训练专项Expert；随后通过多教师在线策略蒸馏技术（MOPD），将这些专项能力重新融合至统一的8B模型中。
• 理解与生成双向反哺：视觉语义理解和空间建模形成的结构化认知，直接辅助后续的像素生成与编辑过程。
• 后训练强化重点：专门强化了指令遵循（确保长指令执行无误）、视觉偏好（提升构图与质感）和编辑保持（确保非编辑区域不变）三项关键能力，并引入提示词增强（PE）以优化简短需求的意图解析。

实际应用场景验证

• 复杂信息图生成：能够在一页内有序组织长文本、多层级结构、插画及数字顺序，如制作从可可豆到巧克力的六阶段生产流程信息图。
• 社交媒体封面设计：在保持统一时尚调性的前提下，精准控制多个主体（如不同造型的人物或动物）的布局与表情，避免元素冲突。
• 多图参考编辑：支持将一张图的版式风格、另一张图的人物内容、第三张图的文字层级进行分离理解与重组。例如，将乐队成员形象融入做旧海报风格，并重构右侧文字列表，同时去除原背景色块。
• 精准局部改字：能在保持原有字体样式、排版布局及周围图形不变的情况下，精确替换指定区域内的文本内容。

行业意义

SenseNova U1.5 Lite的发布标志着生图模型的评价标准从单纯的“视觉惊艳度”转向“工作流稳定性”。通过统一模型架构替代多模型拼接，该方案缩短了调用链路，降低了部署成本，旨在解决AI视觉内容从生成、修改到最终交付的全链路痛点，为开发者和创作者提供“快、好、省”的生产力工具。

资源链接：

• GitHub: https://github.com/OpenSenseNova/SenseNova-U1
• Hugging Face: https://huggingface.co/collections/sensenova/sensenova-u15
• SenseNova Studio在线体验: https://unify.light-ai.top/