SenseNova U1.5 是什么？商汤统一模型 4K 生成升级

8B 参数、单卡可跑、原生 4K 图像生成，这是 SenseNova U1.5 最值得记住的三个数字。

SenseNova U1.5 是商汤科技「日日新」体系中原生统一多模态模型 U1 系列的升级版：2026 年 7 月 31 日先放出 8B-MoT 预览权重，8 月 20 日发布正式版 SenseNova-U1.5-8B-MoT，9 月 11 日公布技术报告。它把图像理解和图像生成放进同一个模型，主打原生 4K 生成、更细的纹理和复杂版式控制，权重以 Apache 2.0 协议开源。本文按架构来历、版本时间线、官方承认的短板、上手路径四条线讲清。

从 U1 到 U1.5：NEO-unify 架构补上了什么

理解 U1.5 要先回到 2026 年 4 月 28 日发布的 U1 系列。它建立在商汤自研的 NEO-unify 架构上，做法相当激进：去掉主流多模态模型里的视觉编码器（VE）和变分自编码器（VAE），把语言和视觉放进同一个表征空间，在单一架构里统一理解、推理与生成。

商汤官方在发布文里打了个比方：传统架构像「多人协作、层层转述」，看图的、懂文字的、画图的各管一段，信息来回传递必有损耗；U1 更像「一个全能大脑，直接理解，直接表达」。直接结果是模型不必靠堆参数弥补转译损耗，官方称 8B-MoT 的规格就能达到甚至超越部分大型商业闭源模型。

U1 首次开源时放出的是两个轻量规格：SenseNova-U1-8B-MoT（稠密骨干）与 SenseNova-U1-A3B-MoT（MoE 骨干）。U1.5 沿这条路线继续打磨，升级点集中在生成侧。系列技术细节由论文完整公开（arXiv 2605.12500）。

U1.5 官方列出的六项升级

官方对 U1.5 的说明没有铺开讲架构，而是集中在六项用户可见的改进（来源：GitHub 仓库 README）：

1. 图像生成质量更高：构图与色彩更协调，材质更真实，光照更自然，局部细节更细。
2. 文字渲染与信息图更强：中英文文字更清晰，海报、信息图、品牌物料这类文字密集设计的信息层级更明确。
3. 原生 4K 生成更高效：全局结构更连贯，高分辨率输出更稳定，生成效率提升。
4. 图像编辑更可靠：局部编辑、文字编辑、多参考图、插入与替换编辑时，主体和未编辑区域保持得更好。
5. 复杂指令跟随更强：单次请求里的物体数量、空间关系、版式、风格与多重约束执行更一致。
6. 视觉控制更精确：通过边界框、视觉标记、单图或多图参考，做区域级与物体级控制。

这六条里，第 4 条对实际使用者价值最大。多模态生图模型的常见痛点是「改一处、崩全图」，官方把「保留未编辑区域」单独列成一项能力，说明这是本次迭代的重点。

版本与时间线：一份可核对的开源记录

官方仓库的更新记录把 U1 与 U1.5 的节奏写得很清楚，改写时我逐条核对了这里，整理如下（来源：OpenSenseNova/SenseNova-U1）：

这里有个容易混的名字问题：Preview 是 7 月 31 日的预览权重，正式版 8B-MoT 是 8 月 20 日的版本，两者文件名里都带 8B-MoT。下载时认准路径里的 Preview 后缀，别把预览版当正式版跑生产。社区实测文普遍把 8 月 21 日记为「轻量版开源日」，与官方仓库的 8 月 20 日相差一天，属口径差异，不影响版本判断。

Preview 与 LoRA-8step 各适合谁

1. SenseNova-U1.5-8B-MoT（2026.08.20）：8B 稠密骨干，能力最全，适合直接上生产的开发者。
2. SenseNova-U1.5-8B-MoT-LoRA-8step：与正式版配套的 8 步推理 LoRA，官方定位是更快更省的推理路径，适合显存或延迟吃紧的本地部署。
3. SenseNova-U1.5-8B-MoT-Preview（2026.07.31）：预览权重，适合想对比两版差异、复现公开结果的开发者。

顺带一提，2026 年 8 月商汤还发布了旗舰级的 SenseNova U1 Pro，官方口径是从「内容生成」走向「系统级交付」，与开源的 U1.5 系列形成高低搭配。官方模型站 sensenova.ai 上已同时列出 U1 Pro 与 U1.5 Lite 两个条目，说明这条产品线还在往两端扩展。

和 Qwen-Image、Seedream 这类生图模型是什么关系

市面上多数文生图模型（如 Qwen-Image、Seedream 系列）走「理解归理解、生成归生成」的拼接路线，复杂图文任务常要多个模型接力。U1.5 的差异点在统一架构下的单次调用：官方称业内首个实现连续性图文创作输出，即一个模型边想边画，比如分步讲解牛排做法时，每一步文字都配上风格一致的图。

商汤的发布材料还给出一组口径明确的对比：在通用图像生成测试中，U1 Lite 的图像生成质量比肩 Qwen-Image 2.0 Pro 或 Seedream 4.5 等大型闭源模型，同时推理响应速度有明显优势（来源：商汤官网 U1 发布文）。需要说明的是，这是官方公布的对比结果，不是第三方独立评测，看数字时把它当厂商口径更稳妥。

这个能力普通用户已经能直接用到：办公小浣熊在 2026 年 4 月接入 U1 后上线了「一图读懂」，把长文档和数据转成信息图。想了解商汤另一款视频方向的 Agent，可以读Seko 是什么？商汤 AI 视频 Agent 实测。

怎么获取和试用

1. 在线体验：打开办公小浣熊官网，点「一图读懂」即可调用 U1 系列能力；官方另外开放了 SenseNova-U Demo 站可直接试 U1.5。
2. 本地部署：权重在 GitHub 仓库与 Hugging Face 集合页；国内网络下可优先用 ModelScope 镜像。
3. 配套工具：SenseNova-Skills 仓库（MIT 协议）提供 Prompt 编写指南与样例库，官方定位是让 Agent 变成信息图生成高手。
4. 技术细节：论文见 arXiv 2605.12500，架构背景见商汤官网 U1 发布文。

如果你在做国产开源模型选型，可以同时参考Qwen3.8-Max 是什么？2.4 万亿参数、首次开源的 Qwen 旗舰和Nemotron 3.5 Lightning 是什么？英伟达开源新模型。

嵌入方向值得关注的话，另有一篇WeMM-Embedding 微信开源多模态嵌入模型全解可以对照阅读。

上手前先看：官方承认的五类短板

这部分比宣传稿有用得多。官方 README 在「Ongoing Improvements」里明确列了当前版本还没解决的问题（来源同 GitHub 仓库）：

官方还给了两条实操建议：简单任务直接用自然语言描述就够；复杂生成或编辑时先做规划（PE），并且明确写出哪些区域必须保持不变，cfg_scale 偏高导致颜色失控时要逐步下调。

部署与硬件：三条官方路径

1. Transformers 快速上手：仓库提供了文生图（t2i）、图像编辑（editing）、交错图文（interleave）、视觉理解（vqa）四类示例脚本，按示例改 model_path 即可跑通。
2. 生产服务：官方推荐用 LightLLM 加 LightX2V 组合部署，细节见仓库 docs/deployment.md。
3. 低显存方案：仓库支持 GGUF 量化权重和 layer-offload 显存模式；社区已放出 U1.5-8B-MoT 的 Q8 GGUF（约 21.2 GB），官方表示 U1.5-Lite 的 GGUF 版本仍在准备中。

这里要划一条线：本文不提供实测跑分，也不写自测耗时。上面出现的显存占用、量化体积、延迟对比图均来自官方仓库与社区发布说明，实际表现请以你自己环境下的部署文档和实测为准。