商汤开源8B生图模型SenseNova U1.5 Lite正式版

商汤科技日前正式开源图像生成模型 SenseNova U1.5 Lite 正式版。该模型仅 8B 参数，在复杂指令遵循、原生图像编辑、文本与版式排版等核心场景中宣称可与闭源的 GPT-Image-2 比肩，同时保持轻量部署优势。

模型核心能力

SenseNova U1.5 Lite 正式版相较三周前发布的 Preview 版本，重点强化了多项能力：

• 超长复杂指令遵循：可一次理解 3-4k 字符的需求，同时处理主体、数量、位置、文字、布局和风格等多种约束。
• 原生 4K 高分辨率输出：直接生成 4K 图像，同时保留构图、纹理、小字和光影细节。
• 原生图像编辑：在修改指定区域时更精准，同时更好地保持人物、结构、版式和其他区域不变。
• 文字与复杂布局：中英文文字、海报、信息图和多文本排版的准确度提升。
• 多模态视觉控制：支持框选、标记和多图参考，更准确地指定「改哪里、改什么」。

官方演示中，模型可一次处理九张不同食物照片并拼成食谱分享卡片，也可对卧室场景进行局部修改而保留整体空间关系。

技术架构：先拆开练，再合回来

SenseNova U1.5 Lite 沿用 NEO-unify 原生统一多模态架构，将视觉理解、图像生成和编辑置于同一套模型中。模型在动像素之前先完成画面理解，识别主体、空间关系、文字区域和参考图中需要保留的设计逻辑。

正式版的关键变化发生在训练阶段。商汤采用「先拆开练，再合回来」的策略：文字渲染、美学表达、图像编辑等目标先分别训练对应的专项 Expert，再通过多教师在线策略蒸馏技术 MOPD 把这些能力融合回同一个 8B 模型。

这一做法使得用户调用时无需额外 Router 判断任务归属，也无需在不同子模型之间切换。商汤将其概括为「理解与生成双向反哺」。

后训练阶段则专门强化了三项能力：

• 指令遵循：确保复杂需求中的每条要求都被执行。
• 视觉偏好：保证构图、材质、光影和最终质感过关。
• 编辑保持：精确修改目标区域，同时维持非编辑区域不变。

此外，模型还引入提示词增强（PE）机制，可在用户给出简短需求时自动补充完整创作方案。

从惊艳到稳定：生图模型的评价标准

商汤认为，当 AI 生图能力日趋普及，真正决定模型能否进入工作流的不再只是「第一眼够不够惊艳」，而是从生成到交付的完整链路是否稳定。SenseNova U1.5 Lite 正式版的核心目标正是把铺开的能力收拢进一个统一模型，做到调用链路更短、部署更轻、任务之间一致性更高。

落到开发者和创作者的实际使用中，这一策略对应的是「快、好、省」三个字。商汤表示，多模态仍是 AI 走向物理世界、进入生产环节的重要方向，稳定性、指令遵循和编辑精度将直接决定模型能否被真正用起来。

开源与体验入口

SenseNova U1.5 Lite 现已开源，资源链接如下：

• 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/