这个新生图模型有点夯：4K 直出的，国产的，开源的！

📌 一句话摘要

本文介绍了商汤开源的轻量级原生统一多模态模型 SenseNova U1.5-Lite-Preview，其 4K 直出能力、复杂指令理解、局部编辑功能和多图组合能力在实际设计场景中的应用，展示了 AI 辅助设计的潜力。

📝 详细摘要

文章详细评测了商汤开源的 SenseNova U1.5-Lite-Preview 模型。该模型基于 NEO-Unify 架构，实现了语言、视觉语义和像素生成的统一建模。文章通过多个实际案例展示了模型的核心能力：4K 分辨率输出、复杂信息图生成、高信息密度内容处理、局部编辑（如文字修改、风格调整）、多图参考组合等。在真实设计场景中，模型展现了理解版式、保留主体、调整元素的能力，尤其在复杂修改需求（如改字、换主题、调整氛围）中表现出色。技术指标方面，模型在 Qwen-Image-Bench、ImgEdit-Bench 和 GEdit-Bench 等评测榜单上均有提升。文章指出该模型虽为预览版，仍存在小字识别、人像细节处理和复杂场景稳定性待提升，但开源发布为社区开发者提供了实践机会。

💡 主要观点

- SenseNova U1.5-Lite-Preview 是一个轻量级原生统一多模态模型 基于商汤自研 NEO-Unify 架构，模型将语言理解、视觉语义和像素生成整合在同一套系统中，支持复杂图像生成和编辑任务。

模型支持 4K 分辨率直出，并具备复杂指令理解能力 通过重新设计生成头，模型在 4K 分辨率下减少网格感和纹理断裂，支持长指令、多约束和结构化视觉指令，适用于高信息密度内容如海报和信息图。

在实际设计场景中展现了强大的局部编辑能力 模型可以根据用户标注（如红框、marker）进行精准修改，支持文字替换、风格调整、元素替换等操作，同时保持原有版式和主体结构的稳定性。

多图参考能力使其在复杂设计任务中表现突出 模型能同时读取多张参考图，结合不同图像的风格和内容元素，生成符合要求的新图像，如将照片与手绘模板结合生成社交媒体食谱图。

技术指标有显著提升，但仍有待优化的空间 在多个评测榜单（如 Qwen-Image-Bench、ImgEdit-Bench）上表现优于上一代，但在小字识别、人像细节处理和复杂场景稳定性方面仍需提升。

💬 文章金句

- 4K 决定了一张图能放多大，而 AI 的理解和编辑能力，则决定它能走多远。

• 从读懂指令、分析参考图，到判断该怎么改、最后生成像素，可以在同一套架构中完成。

📊 文章信息

AI 初评：89

来源：量子位

作者：十三

分类：人工智能

语言：中文

阅读时间：16 分钟

字数：3887

标签： AI 模型, 多模态, 图像生成, 开源项目, AI 编辑

阅读完整文章