2026 年 8 月，商汤科技正式推出 SenseNova U1.5 Lite 生图模型正式版，距离预览版发布仅过去三周。这款仅 8B 参数量的开源模型，在保留原生 4K 输出的基础上，进一步强化了复杂指令遵循、精准局部编辑、多图排版融合等能力，在复杂版式与图像编辑等核心场景对标闭源 GPT-Image-2，用轻量体量实现了全链路视觉创作能力，推动 AI 生图从 “单次出图” 走向可落地的生产级工作流。
一、能力全面升级：覆盖从生成到编辑的全场景需求
正式版围绕 “更完整、更准确、更稳定” 三大方向优化，核心能力贯穿视觉创作全流程，不再局限于单张图片生成。 复杂指令与版式创作方面，支持 3-4K 字符超长指令，可同时处理主体数量、位置布局、文字风格、视觉调性等多重约束，不易遗漏细节。
实测中，输入九张拍摄风格、比例各不相同的美食图，搭配简单指令即可自动生成排版规整的食谱分享卡片，菜品识别准确、整体风格统一；
竖版可可豆加工信息图任务中，可有序组织六个工艺流程的图文内容，层级清晰、版式协调，直接达到商用海报的完成度。
局部精准编辑是本次升级的重点，支持框选标注、多参考图融合等精细控制，修改指定区域时可完整保留其余画面的结构、光影与空间关系。
多参考图合成场景中，模型可拆分不同参考图的作用 —— 第一张定版式风格、第二张提供人物素材、第三张仅参考文字层级，最终将所有元素无缝融合为统一画面；
纯文字替换任务中，可精准修改指定区域的文字内容，完整保留原字体、配色与排版布局，其余画面元素完全不受影响。
此外模型原生支持 4K 高分辨率输出，生成大图时构图、纹理、小字细节均不会出现衰减。
二、技术底层：统一架构 + 专项蒸馏 单模型实现多能力均衡
8B 体量能实现比肩大参数量闭源模型的综合表现，核心来自 “先拆分训练、再融合统一” 的技术路线，用轻量化架构承载了全栈视觉能力。
架构层面沿用 NEO-unify 原生统一多模态框架，将视觉理解、图像生成、局部编辑整合在同一套模型中，实现理解与生成双向反哺。在修改像素之前，模型先完成画面语义与空间结构的理解，精准识别主体位置、文字区域、版式逻辑，再执行生成操作，从根源上减少编辑错位、上下文崩坏的问题。
训练阶段采用 MOPD 多教师在线蒸馏技术：先针对文字渲染、美学表达、图像编辑等不同方向，分别训练专项 Expert 模型；再通过蒸馏将所有专项能力融合进单一的 8B 模型中。最终用户拿到的是单个轻量化模型，无需切换子模型、无需额外路由模块，调用链路更短，部署门槛更低，且不同任务间的风格一致性更强。 后训练阶段则重点强化三项落地能力：一是长指令遵循度，确保多重约束不遗漏；二是视觉审美偏好，提升画面完成度与商用质感；三是编辑区域保持度，做到 “改哪里动哪里、其余完全保留”。
三、行业价值：生图模型进入 “稳定可用” 的生产级阶段
SenseNova U1.5 Lite 的迭代，也折射出生图赛道的评价标准正在发生本质变化。早期行业比拼的是单张图的视觉惊艳度，而随着 AI 生图普及，真正决定模型能否进入工作流的，是需求理解准确率、编辑修改稳定性、多任务一致性等落地指标。
这款 8B 模型的核心价值正在于此：它没有盲目堆砌参数量与新奇玩法，而是聚焦创作全流程的真实痛点，用轻量体量实现了从生成、修改到排版的完整能力闭环。对于创作者与开发者而言，单个模型即可覆盖海报设计、信息图制作、素材修图等多元场景，部署成本低、调用效率高，真正具备了嵌入日常生产工作流的条件。
目前该模型已在 GitHub、Hugging Face 全面开源，同时开放在线体验站点，开发者与创作者可直接测试落地效果，轻量化的特性也让其能快速适配各类内容创作、电商设计、营销物料等商用场景。
AI 速览
