商汤科技最近面向社区开源了轻量级统一多模态模型 SenseNova U1.5-Lite-Preview。

这次开源的版本，不是简单的参数堆砌，而是在 SenseNova U1 的基础上做了一次系统性迭代。

它把视觉理解、推理、生成和编辑这四大能力，统统塞进了同一个架构里。

最让人眼前一亮的是它的体量：仅用 8B-MoE 的参数规模，就硬生生把能力推到了 4K 分辨率、更真实的材质质感，以及更复杂的视觉控制。

商汤方面的说法很实在：如果说 U1 验证了统一架构这条路走得通，那 U1.5 要证明的就是，这条路能不能越走越宽。

四大方向显著提升，生成与编辑全链路优化

相比 U1，U1.5-Lite-Preview 在四个核心方向上拿出了实打实的进步：

• 原生支持 4K 图像生成
• 更精细的局部纹理与真实世界质感
• 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

技术细节：重新设计生成头，解决网格伪影与高分辨率问题

针对网格伪影和高分辨率细节建模这两个老问题，商汤重新设计了生成头。

这样把视觉 Token 网格对最终图像的影响降到了最低，同时把训练分辨率直接扩展到了 4K。

图像编辑：强化原图保持与指令遵循

图像编辑方面，模型重新梳理了编辑数据和训练任务。

强化了对原图内容、主体身份、空间结构以及非编辑区域的保持能力。

说白了，就是让你改哪儿改哪儿，不改的地方尽量别动。

多项基准测试大幅提升，编辑能力尤为突出

测评结果把这轮优化的效果摆在了台面上。

• Qwen-Image-Bench 得分从 47.14 提升到 55.20（配合提示词增强）
• ImgEdit-Bench 从 3.90 升至 4.37
• GEdit-Bench 英文版从 7.47 提升到 8.17，中文版从 7.42 升至 8.05

整体来看，生成质量和编辑稳定性都有了明显跃升。

尤其是图像编辑的指令遵循和原图保持方面，进步相当突出。

商汤强调，U1.5-Lite-Preview 的核心思路不是盲目扩大模型规模，而是对生成和编辑的整个链路做系统性优化。

这种“用架构创新换能力增长”的路线，给轻量级多模态模型的持续迭代提供了一个值得关注的样本。

当 8B 参数就能跑通 4K 生成和精细编辑，统一多模态架构的潜力，或许才刚刚开始释放。

《夸克》非常好用的免费AI浏览器

下载APP查看