商湯新模型｜U1系新模型 圖文風格連貫
原文刊於信報財經新聞「CEO AI⎹ EJ Tech」
商湯（00020）正式開源日日新SenseNova U1系列模型，它基於今年3月自主研發的NEO-unify架構，在單一模型架構上統一多模態理解、推理與生成，並於代碼託管平台GitHub及AI開發者平台Hugging Face可供下載。新系列其中一個賣點是圖文創作功能，是業內首個實現連續性圖文創作輸出的模型，能在生成一組圖片時保持風格和邏輯統一，省卻過往來回輸入指令的步驟。
包含兩規格 融合視覺語言思考
本次開源發布的是SenseNova U1輕量版系列SenseNova U1 Lite，包含兩個不同規格，包括基於稠密骨幹網絡的SenseNova-U1-8B-MoT，以及基於混合專家（MoE）骨幹網絡的SenseNova-U1-A3B-MoT。
傳統多模態模型往往依靠「拼接」方式，各成員分別負責看圖、把圖像翻譯成文字、理解文字、推理、把結果翻譯成設計指令及畫出圖像；每需要完成一項任務，訊息都要在不同成員之間來回傳遞。
Neo-unify架構則捨棄主流的拼接方式，去除視覺編碼器（VE）及變分自編碼器（VAE），猶如一個同時掌握多項技能的通才，圖像及語言在同一個大腦中自然融合，藉此減少訊息損耗，高效實現更強的多模態理解與生成能力。
架構縮小 推理回應更快
商湯宣稱，其中8B MoT的小規格模型，已能達到，甚至超越部分大型商業閉源模型的表現，在各個維度和多個領域中展現優勢，體現「以小博大」。
在通用的圖像生成測試中，SenseNova U1 Lite的圖像生成質量媲美阿里Qwen-Image 2.0 Pro或字節Seedream 4.5等大型閉源模型，達到商業級水準，並在推理響應速度上有顯著優勢。
SenseNova U1系列模型可用於生成複雜的訊息圖（Infographics），克服AI在圖片正確拼寫與排版的障礙，更是業內首個實現連續性圖文創作輸出的模型。在邏輯推理與空間智能，SenseNova U1系列未來可為機械人提供具身大腦，於單一模型閉環內完成環境感知、邏輯推演到精準任務執行的全流程。
商湯認為，原生統一的多模態智能是通往「通用人工智能」（AGI）的必經之路，該公司將持續推動開源生態建設，並計劃推出更大參數規模的U1系列模型。
支持EJ Tech
如欲投稿、報料，發布新聞稿或採訪通知，按這裏聯絡我們。
