摘要：
2026年8月20日，商汤科技正式开源SenseNova U1.5-8B-MoT——一款基于NEO-unify架构的原生统一多模态大模型。它无视觉编码器与... 2026年8月20日，商汤科技正式开源SenseNova U1.5-8B-MoT——一款基于NEO-unify架构的原生统一多模态大模型。它无视觉编码器与VAE，采用原生MoT（Mixture-of-Transformers）设计，约8B理解参数加8B生成参数，采用Apache 2.0许可证。相较7月31日发布的Preview版，正式版在指令遵循、文字排版、原生4K生成、图像编辑、复杂指令一致性与视觉控制六个方面完成全面升级，更适合真实视觉交付场景中的生成与编辑任务。
一、六大官方升级：从"能生成"到"能交付"
根据商汤官方GitHub仓库说明，正式版在六个维度上较Preview版实现显著提升：
指令遵循更强：复杂指令的执行一致性显著提升
文本渲染与排版更佳：中英文文字生成与多文本布局更稳定
更高效的原生4K生成：高分辨率下兼顾构图与细节
更可靠的原生图像编辑：主体身份与未编辑区域保留更强
复杂指令执行更一致：物体数量、空间关系、布局、风格可控
视觉控制更精准：边界框、视觉标记、多图参考
这些升级的核心价值不在于参数规模的变化，而在于真实创作交付的稳定性。文字排版、图像编辑的区域保持、4K细节与精细控制，正是海报、信息图等商业视觉任务最依赖的能力。此前体验过预览版的用户可参考商汤系列的不同版本，按需选择。
二、NEO-unify原生统一架构：无VE无VAE
SenseNova U1.5-8B-MoT基于NEO-unify原生统一多模态架构，不依赖视觉编码器和变分自编码器，使用原生MoT设计，约8B理解参数加8B生成参数。文本与视觉信息在同一框架内深度融合，可直接理解复杂图文指令并完成生成与编辑，无需额外的模态转换或拼接模块。这种"统一而非拼接"的设计路线，避免了传统多模态系统中视觉理解和图像生成两套独立系统之间的信息损耗，在复杂图文混排任务中的一致性表现更优。
三、原生4K输出与精细视觉控制
模型支持原生4K高分辨率图像生成，在超高分辨率下兼顾整体构图与极精细的肌理、微小文字和光影折射。同时提供Bounding Box、Visual Marker及单图/多图参考等精细控制方式，可对指定区域和对象做精准编辑。官方基准覆盖OneIG中英文、LongText、BizGenEval、CVTG、IGenBench与Qwen-Image-Bench等多维评测。这意味着设计师可以对图像中的特定区域进行精准操作——比如"只修改左上角的杯子颜色，保持其他所有元素不变"，这在电商产品图编辑和品牌物料批量生成中具有实用价值。
四、配套生态：LoRA加速与量化路线
除主模型外，官方同步开源SenseNova-U1.5-8B-MoT-LoRA-8step（0.4B，8步快速推理LoRA）与SFT版本，社区贡献者已提供Preview版的Q8 GGUF量化检查点（19.9GB），官方U1.5-Lite的GGUF量化权重也已在路线图中预告，本地部署门槛将持续降低。在AI开源模型的部署生态中，GGUF量化的价值在于让大显存门槛的模型能够在消费级硬件上运行——这对于没有多卡集群的独立开发者和中小团队而言，意味着从"能看不能用"到"真正跑得起来"的跨越。
五、与同类多模态模型的对比
| 对比维度 | SenseNova U1.5-8B-MoT | U1.5 Preview版 | Janus-Pro-7B |
|---|---|---|---|
| 参数规模 | 8B MoT（理解+生成约16B） | 8B MoT | 7B |
| 指令长度 | 超长复杂指令遵循 | 长指令支持 | 常规长度 |
| 图像编辑 | 原生编辑，区域保持 | 基础编辑 | 较弱 |
| 文字渲染 | 中英文与复杂排版强化 | 一般 | 一般 |
| 分辨率 | 原生4K输出 | 支持4K | 常规分辨率 |
| 视觉控制 | BBox/Marker/多图参考 | 基础控制 | 有限 |
| 许可证 | Apache 2.0 | Apache 2.0 | MIT |
Janus-Pro-7B侧重理解与生成的平衡，参数更小；而U1.5-8B-MoT的文字渲染、4K输出与精细视觉控制更强，更适合海报、信息图等文字密集型商业视觉任务。在AI工具导航的"开源多模态模型"类目中，SenseNova U1.5-8B-MoT填补了一个明确的位置：它不是最大的模型，也不是最小的模型，但它在文字渲染和精细控制这两个实际创作中最常遇到的痛点上，做了有针对性的优化。
六、应用场景与适用人群
创意海报与封面设计：按长指令生成海报、杂志封面，精准控制文字排版与风格调性
信息图与图文混排：将数据与知识转化为高密度信息图，保证文字准确与视觉逻辑
品牌视觉物料：批量生成统一风格的包装、社媒配图与广告Banner
电商产品图编辑：保留主体与背景的局部替换、文字精修与光影调整
交错图文内容创作：生成图文交织的教程、攻略类长内容，支持多种宽高比
在AI办公软件推荐的逻辑中，SenseNova U1.5-8B-MoT更适合作为设计师、电商运营与品牌营销岗位的辅助工具，而非全员标配的通用办公套件——它的价值场景是"需要精准图文输出"的专业视觉工作流。适用人群主要是设计师、内容创作者、电商运营与品牌营销人员，以及需要私有化部署多模态生成能力的开发者。
七、如何使用SenseNova U1.5-8B-MoT
官方提供GitHub源码部署与HuggingFace、ModelScope权重下载两条路径，另有SenseNova Studio网页端可直接在线体验。模型为8B MoT设计但总参数量约18B，建议大显存显卡或多卡环境；显存有限可关注官方预告的U1.5-Lite GGUF量化版或社区提供的Preview版Q8量化检查点。
快速开始：克隆官方仓库后，分别运行examples/t2i/inference.py进行文生图、examples/editing/inference.py进行图像编辑、examples/interleave/inference.py进行交错图文生成。
八、开源许可与成本
许可证：Apache 2.0，支持商用
开放范围：主模型、SFT版本与LoRA-8step加速权重均在HuggingFace与ModelScope开放
在线体验：SenseNova Studio网页端可直接试用
量化路线：官方预告U1.5-Lite GGUF即将推出
价格：权重免费，成本主要为推理算力或云服务费用