商湯開源 SenseNova U1.5-Lite-Preview：8B-MoT 原生支援 4K 影像生成與迭代編輯

據 AI 科技評論報導，商湯科技已向全球使用者開源 SenseNova U1.5-Lite-Preview；這款 8B-MoT 原生統一多模態模型在單一架構內整合視覺理解、推理、生成與編輯，並原生支援 4K 影像生成。 相較今年 4 月發布的 SenseNova U1，新版本強化局部紋理、真實世界材質、中英文文字生成、複雜版面組織、視覺指令遵循與連續編輯。模型可理解長篇自然語言及結構化創作指令；公開案例包括使用 1,675 詞 prompt 製作中英雙語資訊圖，以及使用 3,880 詞 prompt 生成解析度達 4K、長寬比 10:3 的 WAIC 發展歷程長卷。 商湯另提供實驗性 Prompt Enhance Skill，可將簡短構想整理成包含主體、版面、風格、文字與限制條件的完整創作方案。編輯工作流程涵蓋參考圖風格遷移、多參考圖元素融合、人物與產品身分保持、資訊圖元素定向修改、實景文字替換，以及透過區域、座標或 marker 指定編輯範圍。 架構方面，SenseNova U1.5-Lite-Preview 採用 encoder-free 視覺建模，避免固定視覺編碼器造成的資訊壓縮；同時重新設計生成頭，以減少視覺 Token 網格造成的拼接痕跡與紋理斷裂，並將訓練解析度擴展至 4K。針對編輯時的主體漂移及非編輯區域變動，商湯也重新組織編輯資料與訓練任務，以加強原圖內容、主體身分、空間結構及未修改區域的保留能力。 商湯公布的評測顯示，Qwen-Image-Bench 分數由 U1 的 47.14 提升至 55.20，但新版成績使用 Prompt Enhance；ImgEdit-Bench 由 3.90 升至 4.37，GEdit-Bench-en 由 7.47 升至 8.17，GEdit-Bench-zh 則由 7.42 升至 8.05。模型目前已於 GitHub、Hugging Face 與魔搭社群提供下載。