8B小身量画出4K长卷，商汤开源U1.5-Lite-Preview

专注AIGC技术的专业社区，关注大语言模型（LLM）的发展和应用落地，聚焦LLM及AI技术的市场研究和开发者生态，欢迎关注！

商汤原生统一多模态进阶版SenseNova U1.5-Lite-Preview开源。

SenseNova U1.5-Lite-Preview以8B-MoT（Mixture-of-Transformers）的轻量身量，将能力推进到4K、更精细的真实质感、更复杂的视觉控制生成和可持续迭代编辑，拿下了比肩商用闭源模型的评测成绩。

写得细，画得准

海报、信息图、品牌视觉，一张图上往往排着一串要求。主体是谁，怎么互动，元素摆在哪，什么风格，写哪些文字，哪些必须保留，哪些必须避开。

U1.5-Lite-Preview重点打磨了对长篇自然语言、结构化创作指令的理解。简单需求，几句大白话就能出图；复杂任务，把要求写完整，模型按视觉结构执行。

下图是一张背包产品解析信息图，prompt长达1675词，约束包括复古博物学标本图鉴风格、五章结构、中英双语对照、拉丁文标注。

模型执行长指令的本事，不靠背模板。训练并没有高度依赖专门的Prompt Enhance（提示词增强）格式化数据，模型依然能稳定执行长篇、多约束、层次化的视觉指令。原生统一多模态路线下，模型学会的是从语言描述到视觉结构的原生映射能力。

为了降低门槛，商汤还配套了实验性的Prompt Enhance Skill（提示词增强技能）。它把用户简短的想法，自动整理成包含主体、布局、风格、文字和各项约束的完整创作方案，再交给模型执行，少写漏需求。

4K，经得起放大

4K对细节、材质、光影、整体一致性的要求更高。自然风光、商业摄影、产品海报、超宽幅长卷，都要有真实的材质质感与光影层次。

还记得那张由SenseNova U1 Pro生成的8k WAIC九周年《智会世图》吗？

局部放大后文字、线条、图标及模块关系依然清晰。

下图是轻量版U1.5-Lite-Preview生成的WAIC发展历程长卷，横跨2018至2026年，原图分辨率是4K，长宽比10:3，prompt总长3880词。

长卷借用传统中国山水长卷的散点透视和连续叙事。上海城市、智慧交通、云计算、智能工厂、大模型、生成式人工智能、具身机器人、智能体和未来城市，融进同一片山河。

常规尺寸下，真实感也明显提升。

海岸游客中心概念图里，木纹、水面、黄昏光影层层分明。

路边女生，车辆背景的动态模糊与人物虚实关系自然。

文字生成与版式是另一项升级。中英文文字、复杂版式组织都做了强化。

杂志内页、旅行攻略、复杂信息图，风格保持住，版式更清晰，文字更准确。

杂志内页与武康路Citywalk攻略就是例子。

哪里不对改哪里

图像编辑要读懂画面，理解意图，判断哪里要改、怎么改、哪些绝对不能动。

依托原生统一多模态架构，U1.5-Lite-Preview在同一个模型里完成视觉理解、目标定位、约束推理、像素生成的全流程，不拼接多个独立模型。encoder-free（无编码器）视觉建模，减少了固定视觉编码器带来的信息压缩与表征瓶颈，文字笔画、局部纹理、空间结构保留得更完整，编辑准确度、画面稳定性、可控性随之提升。

创作从一次性的重新采样，转向可持续迭代的视觉操作。在当前结果上持续改文案、调版式、补元素，一次抽卡不行就重来的日子，换成反复修改、改到满意。

目前覆盖的主流创作工作流有6类。

参考图风格与设计再创作，读懂参考图的配色、构图、材质、字体和视觉语言，迁移到新主题，也能在保留原始信息的同时，给海报和信息图做整体美化。

以青花瓷风格古建筑屋顶图鉴为例，模型借来参考图的青花水墨语言，生成一整页屋顶形制图鉴。