2026-08-05 09:23
商汤开源轻量统一多模态模型 U1.5-Lite 预览版
文本核心速览
- 开源8B统一多模态模型—商汤发布SenseNova U1.5-Lite-Preview，仅8B-MoE参数，实现视觉理解、推理、生成与编辑的贯通，为U1的系统性迭代。
- 原生支持4K生成与编辑—模型原生支持4K图像生成，分辨率大幅提升，细节纹理更真实，同时强化中英文文字生成、复杂版式与图像编辑稳定性。
- 技术架构创新优化—商汤重新设计生成头以减弱网格伪影，训练扩展至4K，并重组编辑数据与任务，强化原图内容、主体身份和非编辑区域的保持。
- 基准测试显著提升—Qwen-Image-Bench从47.14升至55.20，ImgEdit-Bench从3.90升至4.37，GEdit-Bench中英文分别提升至8.17和8.05。
- 轻量路线推动社区探索—该模型验证了8B参数即可实现高分辨率生成与精细编辑，通过架构创新换取能力增长，为轻量级多模态模型迭代提供范本。
商汤开源轻量统一多模态模型 U1.5-Lite-Preview
商汤科技今日宣布，面向社区开源轻量级统一多模态模型 SenseNova U1.5-Lite-Preview。这款模型并非简单的规模升级，而是基于 SenseNova U1 的系统性迭代，在同一架构中贯通了视觉理解、推理、生成与编辑四大能力。
轻量体量，能力跃升
最引人注目的是其轻量体量——仅以 8B-MoE 的参数规模，就将能力推进到 4K 分辨率、更精细的真实质感以及更复杂的视觉控制。商汤表示，如果说 U1 验证了统一架构的可行性，那么 U1.5 要进一步证明能力能否持续扩展。
四大核心方向显著提升
相比 U1，U1.5-Lite-Preview 在四个核心方向带来了显著提升：
- 原生支持 4K 图像生成：分辨率大幅提升，细节表现更丰富。
- 更精细的局部纹理与真实世界质感：图像细节更加自然逼真。
- 更准确的中英文文字生成与复杂版式组织：文字渲染能力增强，排版更合理。
- 更稳定的图像编辑和视觉指令遵循：编辑效果更可控，指令理解更准确。
技术细节优化
在技术细节上，商汤针对网格伪影和高分辨率细节建模问题，重新设计了生成头，减弱视觉 Token 网格对最终图像的影响，并将训练扩展至 4K 分辨率。在图像编辑方面，模型重新组织了编辑数据与训练任务，强化对原图内容、主体身份、空间结构和非编辑区域的保持能力，确保在完成目标修改的同时尽可能保留原图中不需改动的部分。
多项基准测试大幅提升
测评结果印证了这轮优化的实际效果：
| 基准测试 | 之前 | 之后 |
|---|---|---|
| Qwen-Image-Bench | 47.14 | 55.20（配合提示词增强） |
| ImgEdit-Bench | 3.90 | 4.37 |
| GEdit-Bench（英文） | 7.47 | 8.17 |
| GEdit-Bench（中文） | 7.42 | 8.05 |
整体来看，生成质量与编辑稳定性均有明显跃升，尤其在图像编辑的指令遵循与原图保持方面进步突出。
以架构创新换取能力增长
商汤强调，U1.5-Lite-Preview 的核心思路是不盲目扩大模型规模，而是对生成与编辑全链路进行系统性优化。这种“以架构创新换取能力增长”的路线，为轻量级多模态模型的持续迭代提供了一个值得关注的范本——当 8B 参数就能跑通 4K 生成与精细编辑，统一多模态架构的潜力或许才刚刚开始释放。
总结：U1.5-Lite-Preview 证明了在轻量级参数规模下，通过架构创新与数据优化，依然可以实现高分辨率生成与复杂编辑能力。商汤开源这一模型，有望推动社区在统一多模态领域进行更多探索。
来源: aibase阅读原文