中国模型SenseNova U1.5-Lite-Preview开源，原生支持4K输出

商汤科技向开源社区发布了SenseNova U1.5-Lite-Preview，这是轻量级原生统一多模态模型的早期预览版。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。尽管其参数量仅为8B-MoT（80亿参数），却能处理长指令、多约束、层次化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。该模型还支持生成后编辑，包括参考图像、多图像合成以及使用红框、坐标和标记进行精确局部编辑。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邮政邮递流程，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”。该模型还能结合多个参考图像，将真实照片转换为手绘食谱，或将肖像转换为一页简历。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。在基准测试中性能有所提升：Qwen-Image-Bench得分从47.14升至55.20，ImgEdit-Bench从3.90升至4.37，GEdit-Bench英文从7.47升至8.17，中文从7.42升至8.05，以及WeEdit总体平均得分为6.44。U1.5正式版预计即将开源。相关链接已在GitHub、Hugging Face和ModelScope上提供。