今年4月，商汤科技发布了SenseNova U1，首次完整展示了基于NEO-Unify架构的原生统一多模态路线：在单一模型中联合建模语言、视觉语义与像素生成，让模型能够原生完成视觉理解、推理和生成。

过去几个月中，我们持续强化模型的图像生成与编辑能力，现面向社区开源轻量级统一多模态模型的预览版本SenseNova U1.5-Lite-Preview。SenseNova U1.5-Lite-Preview并非简单的模型规模升级，而是基于U1的一次系统性迭代，不仅在同一架构中贯通视觉理解、推理、生成与编辑，还仅以 8B-MoT 的轻量大小，将能力推进到4K、更精细的真实质感、更复杂的视觉控制和可持续迭代编辑。

SenseNova U1.5-Lite-Preview 生成

相比U1，U1.5-Lite-Preview在以下方向上带来了显著提升：

• 原生支持4K图像生成；
• 更精细的局部纹理、细节与真实世界质感；
• 更准确的中英文文字生成与复杂版式组织；
• 更稳定的图像编辑和视觉指令遵循；

如果说U1成功验证了“统一架构是否可行”，证明了从像素和语言出发、端到端构建原生统一多模态模型是一条可行的路线，那么U1.5将进一步验证“能力能否持续扩展”，证明统一架构不仅能够同时承载理解和生成，也能够继续扩展到更高分辨率、更复杂的信息表达和更真实的视觉世界。

我们相信，未来的多模态模型不应只是连接不同模态的系统，而应该是一个从一开始就能够跨越语言、视觉与行动进行学习、思考和创造的统一智能体。

长上下文视觉控制：模型能力与创作辅助的协同

U1.5-Lite-Preview在生成能力上做了系统性打磨，我们追求的不仅仅只是4K高像素，更关注的是：模型能否理解超长的自然语言和结构化视觉指令，从而实现精准的视觉控制；超大画幅下细节是否经得起放大、并保持足够的真实世界质感；信息密集的内容里文字和版式是否足够稳定。

更高的视觉控制上限：写得越细，出图越准

在海报、信息图、品牌视觉等更复杂的创作任务中，一张图往往需要同时满足多类要求：画面中有哪些主体、人物与物体如何互动、各元素位于什么位置、采用怎样的视觉风格、呈现哪些文字，以及哪些内容必须保持或避免。

U1.5-Lite-Preview重点优化了对长篇自然语言、结构化创作指令的理解能力。简单的需求，用户用几句大白话就能快速生成；复杂的任务，则可以给出完整详细的创作要求，让模型按明确的视觉结构来执行。在我们看来，超长的提示词并不是生成好图的必要条件，它的价值是给复杂创作提供了更高的控制上限。

下面这张“背包产品解析”信息图使用了1675词的超长 prompt，包含复古博物学标本图鉴风格、五章结构、中英双语对照、拉丁文标注等复杂约束。

一个重要观察是，U1.5-Lite-Preview的强prompt following能力，并非主要来自对结构化模板的记忆或适配。即使在没有高度依赖专门Prompt Enhance格式化数据训练的情况下，模型依然能够较稳定地执行长篇、多约束、层次化的视觉指令。我们认为，这正体现了原生统一多模态路线的优势：模型学到的不是某种Prompt格式本身，而是从语言描述到视觉结构的原生映射能力。

为了降低复杂视觉指令的编写门槛，我们还配套了实验性的Prompt Enhance Skill：它能把用户简短的想法，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，再交给模型执行，帮助用户把需求表达得更周全，减少因为描述有遗漏导致效果偏差的情况。

原生4K生成：超大画幅下，细节依然经得起放大

4K不只是像素更多，更是对细节、材质、光影和整体一致性的更高要求。无论是自然风光、商业摄影、产品海报、超宽幅长卷与高细节视觉内容，U1.5-Lite-Preview都能呈现真实的材质质感与光影层次。

下面的案例中，模型生成了横跨2018至2026年的WAIC发展历程长卷。

WAIC 发展历程（分辨率4K，长宽比10:3，prompt 总长 3880 words）

这幅长卷以传统中国山水长卷的散点透视和连续叙事方式，将上海城市、智慧交通、云计算、智能工厂、大模型、生成式人工智能、具身机器人、智能体和未来城市融合在同一片山河之中。即便放大观看，大量文字、图标等设计细节依然清晰稳定。

除了超大画幅，U1.5-Lite-Preview在常规图像的真实感与细节表现上也有明显提升：

海岸游客中心建筑概念图

浪漫生活主题拼贴海报

阳光下的面部特写

复古手帐页

主题创意海报，人物摄影与夸张字体融合设计

渔民坐在船上整理渔网	迷你厨师团队正在装饰一只蓝莓奶油
夏日冷萃咖啡时尚广告海报	女生站在路边，身后车辆穿梭而过

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，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。

杂志内页

信息图

武康路 Citywalk 攻略

编辑能力进化：告别单次抽卡，哪里不对改哪里

图像编辑并非简单的局部像素重绘，它要求模型能看懂画面内容、理解用户的真实意图，精准判断出 “哪里要改、怎么改，以及哪些部分绝对不能动”。

依托原生统一多模态架构，U1.5-Lite-Preview不需要拼接多个独立模型，在同一个模型中协同完成视觉理解、目标定位、约束推理与像素生成的全流程。同时采用了encoder-free视觉建模方式，减少了固定视觉编码器带来的信息压缩与表征瓶颈，将文字笔画、局部纹理、空间结构等精细信息保留得更加完整，进一步提升了编辑的准确度、画面稳定性和可控性。

U1.5-Lite-Preview让图像编辑不再是外挂功能，而是统一模型在理解视觉状态、执行用户约束并重构目标画面上的原生能力。这使图像创作从一次性的“重新采样”，转向可持续迭代的视觉操作过程：模型可以在当前生成结果的基础上持续修改文案、调整版式、补充元素，从“一次抽卡、不行重来”变成“反复修改、改到满意”。

目前，U1.5-Lite-Preview已覆盖多类主流创作工作流：

参考图风格与设计再创作：看懂一种风格，迁移到任何主题

可理解参考图中的配色、构图、材质、字体和视觉语言，将其迁移至新的内容主题；也可以在保留原始信息的基础上，对海报和信息图进行整体美化与设计升级。

输入图片

输出图片

案例：青花瓷风格古建筑屋顶图鉴

多参考图组合编辑：跨图取要素，融合成新作

可从多张参考图中分别提取人物、产品、场景和风格，完成跨图绑定、内容融合与场景重构。

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

能够以单张人物、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，生成新的海报、信息图、营销页面或其他设计内容。

输入图片

输出图片

案例：人物照片简历排版

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。

输入图片

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，并保持原有字体、材质、透视、排版与遮挡关系，使文字自然融入原图。

输入图片

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。

输入图片

输出图片

案例：红框指定区域修改

基于U1的系统性迭代：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，而在实际落地与社区反馈中，我们也看到了这条技术路线仍有可优化的真实场景痛点：

• 在生成场景下，U1在不同区域之间有时会衔接得不够自然，出现细微的网格感、拼接痕迹或纹理断裂；而当生成分辨率继续提升时，模型对局部细节、复杂空间关系和整体画面一致性的建模难度也会进一步增加。
• 在图像编辑任务中，U1已经能够理解自然语言编辑指令，但在更复杂的实际工作流中，仍可能出现编辑范围外内容发生变化、人物身份或主体结构漂移、局部修改影响整体画面等问题。

U1.5-Lite-Preview致力于针对性解决这些真实创作痛点，在不盲目扩大模型规模的前提下，对生成与编辑全链路进行系统性优化：

• 针对网格伪影和高分辨率细节建模问题，U1.5-Lite-Preview重新设计了生成头，减弱视觉Token网格对最终图像的影响，并将训练进一步扩展至4K分辨率。
• 针对图像编辑，U1.5-Lite-Preview重新组织了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，使其能够在完成目标修改的同时，尽可能保留原图中不需要改变的部分。

得益于多项能力强化，U1.5-Lite-Preview在多项主流生成/编辑质量评测基准上显著超越U1，并以仅 8B-MoT 的轻量级规模，实现了可比肩商用闭源模型的图像生成能力与编辑效果：

• 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

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 的开源，代表了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，将在近期对公众开放服务。