🎨 多模态 · 开源模型
手绘图直接变海报，国产开源多模态模型把图片玩“活”了
商汤最新开源的 SenseNova U1.5-Lite-Preview，以仅 8B 参数规模，实现了从草图到商业级海报的一键生成、4K 极清画质与像素级图像编辑。在 Qwen-Image-Bench 评测中得分跃升至 55.20，图像编辑能力中英文双项均超越更大参数的开源及闭源模型。
综合公开信息整理•
2026-07-23•
全文约 4 分钟读完
#商汤
#多模态
#图像生成
#开源
#SenseNova
8B MoT
轻量级参数规模
55.20
Qwen-Image-Bench 得分（↑ 47.14）
8.17 / 8.05
GEdit-Bench 英文 / 中文项
⚡ 30 秒速览
- 核心突破：8B 轻量模型实现 4K 图像生成、复杂提示词遵循、参考图创作与高精度编辑，原生统一多模态架构。
- 评测成绩：Qwen-Image-Bench 从 47.14 跃升至 55.20；GEdit-Bench 中英文双项均超越更大参数开源及闭源模型。
- 草图→海报：手绘线稿 + 栏目框架，模型自动补全细节、统一风格，生成深海潜水装备流程高精海报。
- 编辑能力：改文字、换元素、调整排版——不破坏其他区域，支持圈画区域指定修改。
- 开源地址：Hugging Face / GitHub / 魔搭社区免费获取，开发者可自行部署。
01轻量体量，硬核跑分 8B 模型的多项评测对比
🥇 SenseNova U1.5-Lite-Preview商汤 · 8B MoT
55.20
SenseNova U1商汤 · 上一代
47.14
Qwen2.5-VL-72B阿里通义千问
50.80
注：Qwen-Image-Bench 评测分数，柱形自 40 分起缩放，非零起点。U1.5 相比 U1 提升 17%，且以 8B 规模超越 72B 模型。
8.17GEdit 英文
8.05GEdit 中文
4K原生生成
开源全球可获取
GEdit-Bench 为图像编辑专项评测，U1.5 中英文双项均超过 Qwen2.5-VL-72B、GPT-4o 等模型。
02原生统一架构：告别模型拼接
传统多模态方案往往将视觉编码器、语言模型、图像解码器拼接在一起，不同模块之间信息传递存在损耗。SenseNova U1.5 采用商汤自研的 NEO-Unify 原生统一多模态架构，在单一网络内部实现多模态信息的统一表征与交互。
一个诚实的注脚：
这种架构的最大优势是理解与生成不分家——模型在理解图片内容的同时，就能判断哪些区域需要保留、哪些需要修改，不需要额外调用外部工具。这也是它能在 8B 规模下同时做好 4K 生成与高精度编辑的核心原因。
传统拼接方案
视觉编码器 + 语言模型 + 图像解码器，多模块间信息有损耗，编辑任务需额外定位。
NEO-Unify 原生统一
单一网络内统一表征，看图、推理、生成、编辑全流程打通，信息无损传递。
03它到底能做什么？三个典型场景
📐 草图→商业海报：深海潜水装备流程结构保留 · 风格统一
- 输入：手绘线稿，包含氧气瓶、面镜、潜水电脑表等装备，以及“装备总览、功能详解、下潜前检查”等五部分栏目框架。
- 输出：深蓝科技风完整海报，模型自动为每个栏目补充图片、图标和说明文字，保留原始结构的同时统一视觉风格。
- 关键能力：读懂内容与结构，按要求补全细节，不改变不可动部分。
效果：从粗略构想直接到可出版级海报，全程无需人工二次调整。
🌿 二十四节气长卷：复杂提示词遵循4K · 多约束
- 提示词要求：横向长卷，按时间顺序分 24 个竖向栏目，每个栏目包含节气名称、日期、自然景观，保持中式绘画风格，通过植物与色彩展现四季流转。
- 输出：从春季柳树花田→夏日荷花→秋日麦田红叶→冬季雪山，24 个栏目内容密集但层级清晰，色彩过渡自然。
- 亮点：模型没有依赖专门的 Prompt Enhance 格式化数据训练，仍能稳定执行长篇、多约束视觉指令。
证明：原生统一架构使复杂提示词遵循成为自然能力，而非“背模板”。
✏️ 海报文字替换：只改该改的地方像素级保留
- 任务：将门上方招牌里的“VACKER”替换为“MARKET”，同时保留原有立体字造型、灯泡排列、金属质感和光照效果。
- 输出：文字准确替换，门窗、墙面、其他装饰区域没有任何变化。
- 更灵活的编辑：支持圈画区域指定修改，用户可在图片中标记目标区域，再通过提示词说明替换、增加或删除内容。
结论：图像编辑不再是“重新生成”，而是“局部精准修改”，PS 打开次数可以减少了。
04从专业设计到日常创作，都能用上
🎨
参考图风格迁移
“以这张可再生能源海报为参考，沿用其棕褐色复古质感、红白大字排版，生成一张‘古代香料贸易’主题海报。”——模型将风机、太阳能板替换为帆船、骆驼、陶罐，构图与色彩与参考图保持一致。
🧩
多参考图组合创作
“提取三张人物参考图中的外貌、服饰、配饰特征，将三个人物放入同一场景。”——发色、服装配色、标志性装饰均保留，人物站位与光影重新组织，统一构图。
📝
一句话改图
“把海报中的上线日期从 8月15日 改为 9月1日，其他内容不变。”——模型精准定位日期文字并替换，不改变海报的构图、字体、颜色和背景。
05为什么是商汤做出来了？
答案藏在架构选择里：原生统一多模态路线，本质上是对“理解与生成必须分家”这一行业惯性的反叛。大多数团队将视觉理解与图像生成拆成两个独立模型，再通过外部接口拼接——这导致编辑任务中“定位”与“修改”之间总有信息断层。
商汤的 NEO-Unify 架构让模型在同一套参数内完成“看→想→画→改”的全流程。从架构逻辑看，这相当于给模型装了一双能同时看清全局与局部的手：
理解图片→定位目标→规划修改→执行生成
把 8B 模型的图像生成与编辑能力推到 4K 级别，证明了一件事：模型规模不是唯一瓶颈，架构效率同样关键——在有限的参数预算内，原生统一架构比拼接方案更能释放多模态潜力。
编辑核心判断
多模态模型的竞争，正在从“谁参数更大”转向“谁架构更高效”。原生统一路线让 8B 模型做到 72B 都未必能稳拿的编辑精度——这比单纯堆参数更有工程价值。
▶现在就能用
SenseNova U1.5-Lite-Preview 已全球开源，开发者可通过 Hugging Face、GitHub 及魔搭社区免费获取与部署。
正式版 SenseNova U1.5-Lite 即将推出，届时将进一步优化生成质量与编辑稳定性。