中国のモデルSenseNova U1.5-Lite-Previewがオープンソース化、ネイティブ4K出力に対応

商汤科技向开源社区发布了SenseNova U1.5-Lite-Preview，这是一个轻量级原生统一多模态模型的早期预览版本。该模型基于自研的NEO-Unify架构，在单一框架内对语言、视觉语义和像素生成进行建模，涵盖视觉理解、推理、生成和编辑。尽管参数量仅有8B-MoT，却能处理长指令、多约束、分层和结构化的视觉指令，擅长制作海报和信息图等高信息密度内容。模型还支持生成后的编辑，包括参考图像、多图合成以及使用红框、坐标和标记进行精确的局部编辑。它展示了复制和改编设计框架的能力，例如将电影主题的信息图转换为一封邮政邮件之旅，以及通过重新组织视觉元素来修改单个字符，如将“迎”改为“命”。该模型还能组合多张参考图像，将真实照片转化为手绘菜谱，或将肖像转化为一页简历。SenseNova重新设计了生成头部，将原生分辨率提升至4K，减少了网格伪影并改善了纹理细节。基准测试性能有所提升：Qwen-Image-Bench得分从47.14上升到55.20，ImgEdit-Bench从3.90上升到4.37，GEdit-Bench英文从7.47上升到8.17，中文从7.42上升到8.05，WeEdit总体平均得分为6.44。U1.5正式版预计将很快开源。GitHub、Hugging Face和ModelScope上提供了链接。