刚刚，新出的一个生图模型，着实是有点东西在身上的：
国产的，4K 直出的，开源的，轻量的，还是可以指哪儿改哪儿的。
例如下面这张信息密度超高的图片，就是它做出来的：
我们从结果可以看到，即便是把图片放大了来看 ，不论是文字、图片元素，都是细节拉满的状态。
再如这组充满艺术感的视觉大片，这个 AI 也是不在话下：
那这是何许 AI 是也？
它，便是商汤刚刚面向社区开源的SenseNova U1.5-Lite-Preview。
这是一个轻量级原生统一多模态模型的早期预览版本。它延续了商汤自研的NEO-Unify 架构，把语言、视觉语义和像素生成放进同一套模型里，覆盖视觉理解、推理、生成与编辑。
不过有一说一，原生 4K 直出，还仅仅是它的亮点之一。
在仅有 8B-MoT 参数的轻量身形之下，U1.5-Lite-Preview 做到了：
复杂 Prompt 能接住：支持长篇、多约束、层次化和结构化视觉指令；
文字和版式更能打：面向海报、信息图、品牌视觉等高信息密度内容；
生成后还能继续改：支持参考图、多图组合、局部文字编辑，以及红框、坐标和 marker 精准编辑。
毕竟在真实创作中，"会画图"只是第一步，真正决定它能不能进入创作流程的，还得看复杂任务和编辑能力。
那 U1.5-Lite-Preview 这个 8B-MoT 小模型创作起来有多方便？我们继续往下看 ~
能 Hold 住复杂创作和编辑才是重点
先来看一张信息密度相当的图片。
这张图的主题是银盐摄影。
画面正中央，是一台被拆解开的复古相机。镜头、快门、胶片仓、卷片轴、取景器等结构，被一层层摊开来讲清楚；一束橙色光线从镜头前方打进来，顺着成像路径一路穿过去，整张图的视觉中心也因此一下子立住了。
这种图最难的地方，其实并不在于"画一台相机"本身。真正难的是，模型得同时把时间线、知识模块、结构拆解、流程说明和视觉层级都组织进同一张图里，还得让人一眼看过去，知道哪里是主干、哪里是补充，哪里是说明，哪里是结论。
从最后出来的效果看，U1.5-Lite-Preview 在这种高信息密度的信息图任务上，已经能把内容和版式一起接住了。黑白蚀刻风格很统一，主视觉够醒目，细节也足够丰富，整张图读起来并不乱，反而有种"越看越有东西"的感觉。
如果说上一张图考验的是"从零做一张复杂信息图"，那接下来这组，更像是在考模型有没有复刻一张图的逻辑，再重新输出的能力。
输入图的主题，是一张名为 Modern Pop Culture Film & TV Milestone Journey 的信息图。
它把几部流行影视作品串在一条弯曲的路径上，节点、卡片、插画和标题都带着比较统一的手绘水彩风格。整张图看上去像一张轻松、亲切的文化主题路线图。
而到了输出图，主题换成了 The Journey of Postal Mail，也就是"邮政邮件的旅程"。
但你再仔细看，会发现它并没有推倒重来。
原来那条弯弯曲曲的路径还在，节点式的节奏也还在，左中右的版式关系也保留了下来。只不过，原先围绕电影和剧集展开的内容，被整体替换成了"投递、分拣、运输、派送"这四个环节。洗衣店、剧集卡片、电影海报式的小模块，被换成了邮筒、分拣中心、运输车、邮差上门这些更贴合新主题的元素。
换句话说，它领悟的并不只是简单的"画风"，更是一整套设计框架和组织方式。
在真正的内容生产中，从头做图只占一部分时间；更多时候，折磨人的其实是改稿。
比如下面这组博物馆文创的案例：
输入图和输出图，主题其实都是博物馆文创开发流程。
整张图的大框架没有变。左侧仍然是竖排标题，中间依旧是巨大的" MUSE "字样，右侧还是从"研究与挖掘"到"反馈与迭代"的六步流程，底部的价值模块和整体米色、浅棕色的调性，也都还在。
但它改动的，是画面里最核心的主视觉。这个案例挺像真实工作流里常见的改法。
文案不一定大改，结构也不一定重做，但客户会告诉你，主题方向变了，主视觉要换，气质要跟着调整，原来的信息框架尽量保留。这时候，难点已经不只是"生成一张图"，而是在同一套版式里，重新组织新的视觉主体。
从这个结果来看，U1.5-Lite-Preview 已经开始具备这种能力了。它不是简单地把一件新文物塞进去，而是在保留原有流程信息图框架的前提下，把新的核心元素重新放进整张设计语言里。
我们再来看一个更刁钻的，把有设计感且复杂的"迎"字，改成"命"字：
最后的结果里，原有船体继续充当"命"字的最后一竖，周围浪花则重新组织出其余笔画。而新字依然像是从海面里自然生长出来的，没有变成一层生硬贴上去的平面字体。
除了在一张图上修修改改，U1.5-Lite-Preview 还可以同时读取多张参考图。
比如下面这个韩式双拼炸鸡案例：
这次输入的图片有两张，一张参考图负责提供手绘食谱的版式和画风，另一张真实照片负责提供食物内容。
按照要求设计后，输出的图片是这样的：
U1.5-Lite-Preview 把照片中的原味炸鸡、甜辣炸鸡和可乐，重新画进了米色网格笔记本里；左侧黑色螺旋装订、手写标题、卡通小猪，以及下方两行三列的烹饪步骤也一并补齐。
最后做出来的，已经是一张能够直接用于社交媒体传播的手绘食谱。真实照片与插画模板之间，没有出现明显的风格割裂。
类似的能力若是落到办公场景里，U1.5-Lite-Preview 还可以把一张普通人物照片，直接变成一份单栏简历。
从结果来看，人物头像被放在顶部，原图里的三角梅继续作为封面主视觉。玫粉与米白配色顺着花丛延展开来，姓名、职位、联系方式、工作经历和技能条依次排开。
至于我们刚才提到的指哪改哪，红框和 marker 都能派上用场。
最简单的情况下，你可以圈出下面这张信息图里的" 35+MIN "，让模型将它改成" 25MIN "，同时保持原有字体、字号和排版，并在完成后把用于定位的红框一起移除。
对于复杂一点的要求，则甚至可以直接对画面氛围动手。
原图是一艘帆船驶过金色满月的暖色场景。我们只需要在图上留下 marker 和修改要求，U1.5-Lite-Preview 便会把满月替换成深红色血月，在水面增加一层浓雾，再将天空、湖面与帆船的光线全部调整为暗调夜景。
虽然月亮、雾气和整体光影都变了，但帆船、船上人物与背景树林仍然留在原来的位置。
这一大一小两种修改，刚好对应了编辑场景中的两类需求。
前者追求精准，最好只动几个字符；后者需要模型重新处理色调、光线和空间关系，还得尽量守住画面里的主体。
看到这里，U1.5-Lite-Preview 展现出的不只是会画图这么简单。
它已经开始理解一张图里的主体、版式、风格和空间关系，也开始知道用户想动哪里、哪些地方最好别碰。
怎么做到的？
这些看起来各不相同的能力，其实都顺着同一条技术路线长了出来。
SenseNova U 系列采用的是NEO-Unify 原生统一多模态架构，在同一个模型里，语言、视觉语义与像素生成被放在一起建模。
于是，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。
这套设计放到图像编辑里尤其关键。
比如把"迎"改成"命"，模型先要理解文字造型是由船和浪花共同组成的，接着找到需要重构的区域，再判断飞鸟、海面和上下方文字应该留下。
血月案例也一样。月亮、雾气和光照需要整体变化，帆船与人物的主体结构则要尽量稳定。
一边动手，一边判断哪里不能乱动，这才有了持续编辑的基础。
为了把分辨率进一步推到 4K，商汤还重新设计了生成头，减弱视觉 Token 网格对最终画面的影响，并把训练扩展到 4K 分辨率。
这样一来，画面放大以后，纹理、材质和光影更经得起看，常见的网格感、拼接痕迹与纹理断裂也会随之减少。
长 Prompt 的控制能力，则由 Prompt Enhance 进一步增强。
日常生图用一句自然语言就能开干。到了海报、信息图和品牌视觉这类复杂任务，用户可以把布局、风格、文字、比例和禁止项逐层写清楚，让模型尽可能同时接住。
所以，长 Prompt 在这里并不会刻意增加使用门槛，它提供的是更高的创作控制上限。
再从评测榜单角度来看，相较上一代 U1，U1.5-Lite-Preview 在Qwen-Image-Bench上的成绩从 47.14 提升至 55.20，这里对应的是 with Prompt Enhance 条件。作为一个轻量级开源模型，表现相当优秀。
与此同时，ImgEdit-Bench 从 3.90 升至 4.37；GEdit-Bench 英文项从 7.47 升至 8.17，中文项也从 7.42 升至 8.05。在技术宣发展示的 WeEdit 榜单中，U1.5-Lite-Preview 的 Overall Average 则达到了 6.44。
有点接近一套视觉工作台了
再回头看这次升级，4K 确实亮眼，却很难独自撑起一套生产流程。
真实的视觉工作，往往从第一版出图之后才开始。
例如标题换一句、产品挪一下、人物得保留、整体光线再暗一点、客户临时又要补个元素……
过去我们遇到这些修改，要么重新生成碰运气，要么回到专业软件里继续处理。
但当模型能够理解眼前这张图，并顺着用户的反馈一轮轮往下改，AI 生图才开始真正靠近内容生产和设计工作流。
而统一多模态架构的价值，也在这个过程中变得更容易感知。
视觉理解、推理、生成和编辑不再分别躺在技术说明里，它们最终落成了看懂参考图、保住人物、换掉标题、重排版式和局部修改这些具体动作。
当然，U1.5-Lite-Preview 依然只是一个早期预览版本。短 Prompt 理解、小字与人像细节、整体美学一致性，以及复杂场景编辑的稳定程度，都还有继续提升的空间。
据了解，U1.5 的正式版很快就会开源；届时，这些问题应当都会得到很好的解决。现在，商汤把轻量版面向社区开源，也意味着这些能力和问题，都将更早进入开发者与创作者的真实工作流里接受检验。
总而言之，若是说 4K 决定了一张图能放多大，那么 AI 的理解和编辑能力，则决定它能走多远。
开源地址：
GitHub：https://github.com/OpenSenseNova/SenseNova-U1/blob/main/docs/u1.5_preview.md
Hugging Face：https://huggingface.co/sensenova/SenseNova-U1.5-8B-MoT-Preview
魔搭社区：https://modelscope.cn/models/SenseNova/SenseNova-U1.5-8B-MoT-Preview
一键三连「点赞」「转发」「小心心」
欢迎在评论区留下你的想法！
— 完 —
� � 点亮星标 � �
科技前沿进展每日见
富灯网提示：文章来自网络，不代表本站观点。
亦丰策略 这个新生图模型有点夯：4K直出的，国产的，开源的！
汇通资管 广东省运会女足C组赛事在信宜鸣哨 8支代表队进行18场较量
