📖 产品简介
商汤 SenseNova 团队于 2026 年 9 月 10 日发布 SenseNova-U1.5 技术报告（arXiv:2609.11929）。
这是一款 8.2B 参数的 MoT（Mixture-of-Transformers）原生统一多模态模型，采用 NEO-unify 架构，取消独立视觉编码器与 VAE，让文字与图像补丁进入统一序列，在单一模型内完成理解、生成与编辑。预训练覆盖 256–1024 像素（18 万步），再扩展至 512–4096 像素（10 万步，序列长度提至 20480），实现原生 4K 生成；后训练分别优化美学、双语文字渲染、信息图、图像编辑等专家，并以多专家在策略蒸馏合并回单一模型。基准：GenEval 0.92、CVTG-2K 文字渲染 0.948、ImgEdit 4.59；VBVR-Pro-Bench 域内 67.6%、域外 48.7%，官方称在交错生成上超越部分专有系统。权重已于 8 月 20 日上架 HuggingFace（Apache 2.0），并将开源监督微调/强化学习/在策略蒸馏训练代码。
定位
8B-MoT 原生统一多模态模型，一套架构看懂图/生图/改图，原生 4K 生成
适合人群
多模态研究与开发者
海报/商品图/信息图创作
需要自部署可控的图像模型团队
关注开源统一架构的厂商
支持平台
HuggingFace、自部署
开源
是
✨ 核心功能
- 原生统一：无编码器/无 VAE，理解+生成+编辑同一套架构
- 原生 4K 生成：序列长度扩至 20480，直接处理大画布
- 双语文字渲染：CVTG-2K 0.948，海报/信息图文字稳定
- 图像编辑与多参考：局部替换、身份保持、多图参考组合
- 基准领先：GenEval 0.92、ImgEdit 4.59
- Apache 2.0 开源，权重已发布，将开源训练代码
⚖️ 优缺点分析
👍 优点
- 小参数（8B）实现理解/生成/编辑统一，端到端优雅
- 原生 4K 生成，适合海报/商品/信息图等高分辨率创作
- Apache 2.0 开源、权重已发布，可自部署可审计
- 中英双语文字渲染质量高
- 将开源训练代码，复现门槛低
👎 缺点
- 高分辨率下复杂布局/细小文字/人物细节仍可能出错
- VBVR-Pro-Bench 对比为厂商自报，需独立复核
- 未公开 4K 下推理成本与延迟
- 作为新架构，生态工具仍在积累
📊 评分详情
功能完整
8.5
易用程度
8
安全可靠
7.5
性价比
9
💬 用户评价
SenseNova-U1.5 把看图、生图、改图塞进一套 8B 架构还直出 4K，小模型统一多模态这条路被商汤走实了。
📝 更新日志
-
2026-09-10技术报告发布商汤发布 SenseNova-U1.5 技术报告（arXiv:2609.11929）：8.2B MoT 原生统一多模态模型，NEO-unify 架构取消视觉编码器与 VAE，统一理解/生成/编辑，原生 4K 生成；GenEval 0.92、CVTG-2K 0.948、ImgEdit 4.59。权重 8/20 已上架 HuggingFace（Apache 2.0），将开源训练代码。