昨天（28日）夜间，商汤科技认真发布并开源“日日新SenseNovaU1”系列原生连结生成长入模子。它基于商汤本年3月自主研发的NEO-unify架构，初次在单一模子架构上已毕多模态连结、推理与生成的长入，绚丽着从“模态集成”向“原滋长入”的范式向上。

新民晚报记者了解到，NEO-unify架构绝对摒弃了主流的拼接式策画，去除了视觉编码器（VE）和变分自编码器（VAE），再行构建了长入的表征空间，并将长入表征真切融入模子的每一层筹画中。SenseNovaU1大略将讲话与视觉信息算作一个复合体径直建模，已毕二者高效协同，让连结与生成才气同步增强，在保留语义丰富度的同期督察像素级的视觉保真度。

在逻辑推理与空间智能方面，该模子大略深度连结物理全国的复杂布局与邃密相关。将来，它还可为机器东谈主提供“具身大脑”，在单一模子闭环内完成从复杂环境感知、逻辑推演到精确任求践诺的全经过。

本次开源发布的是SenseNovaU1的轻量版系列——SenseNovaU1Lite，包含两个不同规格的模子：SenseNova-U1-8B-MoT（基于高贵主干网罗）和SenseNova-U1-A3B-MoT（基于搀和巨匠MoE主干网罗）。有关代码与模子已上线GitHub和HuggingFace平台，商汤示意将于近期公布详备时候解释。

收尾上风权贵：小模子达到商用级水准

收尾，是长入模子架构的中枢时候上风。

传统多模态模子通过将视觉编码器与讲话主干用适配器拼接，近似于一个“多东谈主联结、层层转述”的责任组，信息在不同模块间传递容易出现损耗和延伸。而SenseNovaU1基于长入表征空间构建，如兼并个“万能大脑”，在兼并套想考容貌中径直处分图像、翰墨等不同信息，幸免了中间转译带来的信息吃亏，从而以更紧凑、更高密度的容貌组织多模态数据。

图像连结基准测试收尾、图像生成基准测试收尾、视觉推理基准测试收尾

实验收尾分解，在涵盖图像连结、图像生成与裁剪、空间智能和视觉推理的多项基准测试中，SenseNovaU1Lite均达到同量级开源模子的SOTA（起原进水平）。仅凭8B-MoT的较小规格，亚搏就能达到致使卓绝部分大型生意闭源模子。在通用图像生成测试中，其生成质地并排Qwen-Image2.0Pro或Seedream4.5等大型闭源模子，同期推理反馈速率具有权贵上风；在开源模子永久发扬欠安的复杂信息图生成任务中，也展现出生意级水准，对排版和翰墨具备强截止力。

SenseNovaU1Lite的生意级复杂信息图生成才气

商汤科技示意，正沿着面前时候旅途继续“限度化”，目标将来推出体量更大的模子。基于高效的原生架构，有望以远低于传统决策的筹画本钱达到国外顶尖模子水平。

业内首创：一语气性图文创作输出

凭借NEO-Unify架构，SenseNovaU1在业内首个已毕一语气性的图文创作输出，何况仅需单次单模子调用即可完成。传统范例经常需要多模子串联，拼凑已毕图文轮换，且图像间作风一致性差。而SenseNovaU1将图像和文本底层交融信号好意思满保留在险峻文中，在长入表征空间进行高效连贯想考。

在演示案例中，模子可凭证“五分熟牛排作念法”任务，自主接头分步经过并为每一步生成对应的图像，各法子图示发扬出极高的一致性。在“绘图钢铁侠图案”任务中，模子大略从扫描草稿起程，逐渐一语气创作，最终输出完成度很高的图像，每一步创作皆精确保握了前一步的结构与细节。

（左）五分熟牛排作念法：SenseNovaU1不错通过想考和接头产陌生步的经过，何况给每一步输出对应的图像展示。各个法子的图示发扬出极高的一致性；（右）任务二：绘图一个钢铁侠图案：它不错从扫描草稿起程，逐渐进行一语气创作，最终作念出一个完成度很高的图像。每一步创作的经过关于前一步的结构和细节皆作念了精确的保握——一个长入表征的分享险峻文在其中证明了关作用。

商汤科技向新民晚报记者示意，这一才气将为东谈主机联结、创意策画、智能训诲等边界掀开新的哄骗空间，也为上海AI产业的原生多模态时候发展提供进军基础与关节引擎。

[开源部署][调用SenseNovaU1Skill]亚博app