当 GPT-Image-2 让全网疯狂的时候，大多数国内用户面临一个现实问题：免费额度有限，遇到正事不够用。商汤开源的 SenseNova U1 瞄准了这个空档 – 用 8B 参数的小模型，复刻了不少 GPT-Image-2 的核心能力，而且完全开源、不限次数。
SenseNova U1 是商汤最新开源的原生理解生成统一模型，采用自研 NEO-unify 架构。与传统的「视觉编码器负责看 + 变分自编码器负责画」拼接方案不同，NEO-unify 从底层把图像和文本当作同一类信息来建模，去掉了中间转换环节。
本次开源包含两个版本：
- SenseNova-U1-8B-MoT：8B 参数，端侧可跑
- SenseNova-U1-A3B-MoT：38B 参数 MoE 架构，提供更强的能力
这是 SenseNova U1 最实用的能力。输入一段文字内容，模型能自动提炼关键信息，生成排版精致、层级清晰的信息图。涵盖数据图解、攻略长图、科普海报、知识卡片等多种类型。
在信息图生成基准测试中，SenseNova U1 平均得分达到 50.7，是开源模型最强，媲美部分闭源商业模型。
SenseNova U1 是业内首个支持连贯图文交错生成的模型。它不是「先写完文字再补图」，而是在推理过程中同步输出图文内容，风格和角色在多张图中保持一致。
典型场景：生成一个「煎牛排教程」，从食材准备到装盘，每一步都配有图，牛排的形象从头到尾保持高度一致，不会画着画着变成另一块肉。
SenseNova U1 还具备独特的图文交错思维链能力。给它一张刚泡好的茶的照片，让它画出「一小时后的样子」，模型会先做物理推理：茶叶沉降、茶汤变深、蒸汽减少、光影变化，然后据此生成对应图像。
关键数据：
- 生成速度：约 15 秒出一张图（2K 分辨率约 9 秒）
- 文字渲染：在 Text Rendering 维度几乎全面领先同量级模型
- 视觉推理：VBVR 得分 60.5，WISE 得分 69.0，GEdit-Bench 得分 7.47
- 性能效率比：在延迟 vs 质量曲线上，位于最靠左的位置 -- 同等质量下速度最快
- GitHub：https://github.com/OpenSenseNova/SenseNova-U1
- Hugging Face：https://huggingface.co/collections/sensenova/sensenova-u1
商汤同步开源了 SenseNova-Skills 技能包，把 U1 做成了 Agent 中可直接调用的工具。其中 sn-infographic 自带 87 种版式、66 种风格，挂进 OpenClaw 后一句 /skill sn-infographic "提示词" 即可出图。
技能包地址：https://github.com/OpenSenseNova/SenseNova-Skills
如果不想自己部署，商汤 AI 办公智能体「办公小浣熊 3.0」即将接入 SenseNova U1，可直接体验。
商汤在 README 中直接标注了当前不足：上下文最长 32K、人物在复杂场景中的细节偶有不稳定、长文字渲染偶尔有拼写或排版错误、连续性图文创作目前还是 beta 阶段。都标注了「持续改进中」。
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容，请联系我们，一经查实，本站将立刻删除。
如需转载请保留出处：https://51itzy.com/kjqy/282134.html