商汤发布 SenseNova U1 系列多模态模型，原生统一架构实现连续图文创作，免费开源，可作为 GPT Image 2 的国产替代方案
商汤发布 SenseNova U1 系列多模态模型，原生统一架构实现连续图文创作，免费开源，可作为 GPT Image 2 的国产替代方案
GPT Image 2 的文字渲染和排版能力确实强，但 API 按量计费价格不低，国内团队接入也有门槛。商汤最新发布的 SenseNova U1 系列给出了一个开源免费的替代方案，不仅能做信息图，还支持在同一个模型内连续生成图文内容。
SenseNova U1 是商汤发布的采用全新 NEO-Unify 架构的多模态模型。它不是把"理解模型"和"生成模型"拼在一起，而是把图文理解、图文推理和图文生成放进同一套架构里统一处理。
传统多模态方案的痛点在于：语言模型负责理解和推理，视觉编码器负责把图片转成模型能读懂的表示，图像生成部分再把结果转回像素。理解和生成之间需要不断做模态转换，角色一致性很难保证。U1 去掉了传统的视觉编码器（VE）和图像生成中的 VAE，让模型直接从原始像素和文字里学习。
这是最能体现 U1 原生统一架构特征的能力。不是"先写一段话，再配一张图"，而是在一个模型内部完成文字和图像的连续生成。这在行业内是首创。
传统图文生成流程是：文本模型先完成文案，再把某些段落交给图像模型生成插图，两个模型之间的衔接往往导致风格不一致。U1 的做法是在一次推理中交替输出文字和图像，保持整体风格统一。
阿里巴巴发布 HappyHorse 1.1 视频生成模型，动态表现力、主体一致性等五大维度提升，1080P 价格下调 25%，已上线百炼平台。
信息图不是简单生成一张好看的图，它要求模型同时处理文字结构、视觉层级、版式布局、图标关系和信息密度。以前 AI 画图最容易翻车的地方恰好就是文字渲染和排版。U1 在这方面做了针对性优化。
这次开源的是 SenseNova U1 Lite 系列，包含两个版本：
| 版本 | 参数 | 定位 |
|---|---|---|
| U1 Lite 8B-MoT | 8B | 轻量级，适合接入工作流 |
| U1 Lite A3B-MoT | A3B | 更大容量，更强能力 |
跑分上，U1 Lite 系列均达到同量级开源模型的 SOTA 水平。定位上，它不是要和最大规模的闭源模型硬拼参数，而是做一个"够强、够轻、能开源、能接进工作流"的多模态模型。
提示：信息图生成时建议在 Prompt 中明确指定整体风格、主色调、模块数量和每个模块的具体内容，输出效果会更好。例如："生成一张深蓝色科技感海报，分四个模块，模块一为三国联合主办（含北美地图），模块二为赛程安排表..."
