商汤发布 SenseNova U1 Pro：原生 8K 输出并自检自修

商汤在 WAIC 2026 现场正式发布多模态生图模型 SenseNova U1 Pro，定位为面向复杂多模态任务的交付系统。与传统生图模型比拼「画得像、出图快」不同，U1 Pro 更强调围绕目标完成理解、规划、信息组织、多模态生成、检查修正与最终交付，即「理解、生成、行动的原生统一」。

核心亮点

• 原生 8K 输出：重点不只是像素更高，还在于超大画幅下文字、构图与细节的稳定性。
• 图文交错思维：模型可围绕目标连续完成草图、细化、着色、检查与调整。
• 面向成品交付：商汤瞄准信息图、城市规划、影视分镜、学术海报和商业设计等场景，希望减少反复抽卡，输出可直接使用的结果。

实测表现

在 8K「二十四节气」长图中，U1 Pro 将 24 个节点统一在横向版式里，每格的山水高度、植物位置和留白都有变化，整体呈现类似屏风与长卷结合的节奏。在以「机器如何观察和理解人类」为主题的实验室视觉海报中，模型避开了常见的科技蓝，采用暗金线条与黑色背景，焦点清晰且信息密度高。第三道琉璃质感古风山河题中，青绿山脉、蓝色河流、宝塔、亭台与未来建筑被组织成相对完整的视觉世界。电影海报任务中，文字与画面同样达到可商用水准。

从一次生图到自己检查

U1 Pro 提出的关键判断是「能交互，不等于能交付」。商汤联合创始人、首席科学家林达华表示，商汤在 U1 阶段已观察到连续创作雏形，模型可先画草图再补充细节、着色，逐步生成完整图像。进入 U1 Pro 后，这套流程扩展为闭环：理解目标 → 规划任务 → 组织信息 → 生成内容 → 检查问题 → 持续修正 → 完成交付。以 WAIC 九周年长卷为例，模型需消化九年资料，决定事件分布、年份衔接、山水城市组织、文字信息位置，并保持统一东方视觉风格。

原生 8K 的技术路径

分辨率提升带来视觉 Token 量与 Attention 计算量同步上涨。商汤的方案是采用 32×32 的大 Patch：边长翻倍后视觉 Token 总数可降至原来的四分之一，但大格子更容易丢失细节。为此团队加入自适应 Noise Control，对细节区域采用针对性训练策略，并在 Patch 之间保留重叠，同时在空间采样、Loss 设计与模型结构上做优化，以控制上下文规模并保住小字、纹理与结构。

行业意义与待验证之处

商汤 CEO 徐立认为，多模态正在复刻 AI Coding 的演进路径——从单点生成到意图驱动，再到系统级内容交付，模型需要理解目标、组织信息、保持长程一致性并交付可用结果，AI Coding 一旦突破工业红线便打开了商业空间，图文交错思维与理解生成统一也有望打开视觉设计的差异化赛道。U1 Pro 目前的局限在于：异步生成意味着用户需用等待时间换取更高完成度；编辑能力、成本和稳定性仍需真实项目验证；专业设计场景也涉及图层、矢量元素、版本管理与团队协作，单张最终图片并不能覆盖全部需求。但方向已经明确，当生图告别反复抽卡、开始对结果负责，多模态 Agent 的竞争才算真正开场。