一、架构革命：从"缝合怪"到"原生统一"
传统多模态模型的问题在哪？
过去几年，主流多模态模型几乎被一个固定范式统治：
- 视觉编码器（VE）：负责感知理解，把图像压缩成特征向量喂给语言模型
- 变分自编码器（VAE）：负责生成图像，把语言模型的意图解码成像素
- 适配器（Adapter）：在VE和语言骨干之间做"翻译"
这套路线的致命缺陷在于信息断层。视觉编码器把图像压缩成特征向量时，本质上是一次有损筛选——哪些视觉细节值得保留、哪些可以舍弃，这个决定在模型真正开始思考之前就已经做完了。生成侧同样如此，解码器只能从语言模型的理解结果中重建图像，而不是从原始像素出发。两端都在用二手信息工作。
模型地址：商汤日日新官网
NEO-unify架构怎么解决？
SenseNova U1的NEO-unify架构做了三件事：
| 传统拼接式 | NEO-unify原生统一 |
|---|---|
| VE + VAE + 适配器，三套系统接力 | 去除VE和VAE，一套系统完成 |
| 视觉和语言是两个互相翻译的系统 | 图像和文本在同一内部空间共同参与计算 |
| 理解→翻译→生成，多阶段串行 | 感知、理解、推理、表达在同一模型内并行 |
| 信息每多一次传递就多一次损耗 | 信息路径更短，无中间转译损耗 |
核心思路：让图像信息和文本信息在同一个内部空间中共同参与计算，模型处理图文任务时不再需要"看图系统→语言系统→生成系统"之间来回传递，而是在同一套模型内部完成全部流程。
二、两个开源版本：8B稠密 + A3B-MoE混合专家
本次开源的是SenseNova U1的轻量版系列——SenseNova U1 Lite，包含两个规格：
| 模型 | 骨干网络 | 特点 |
|---|---|---|
| SenseNova-U1-8B-MoT | 稠密骨干网络 | 8B参数，统一架构效率极高 |
| SenseNova-U1-A3B-MoT | 混合专家（MoE）骨干网络 | 稀疏激活，推理更快 |
- GitHub：https://github.com/OpenSenseNova/SenseNova-U1
- Hugging Face：https://huggingface.co/collections/sensenova/sensenova-u1
- 商汤表示将于近期公布详细技术报告
三、评测数据：8B小模型的越级表现
图像理解与生成基准测试
SenseNova-U1-8B-MoT虽然只有8B参数，但在通用理解、空间理解等多个测试中取得领先，超过了Qwen3VL-30B-A3B、Gemma4-26B-A4B等更大规模模型。
信息图生成（Infographics）
其中一项信息图生成测试拿到39.8分，领先Qwen-Image等模型。在处理高难度、高密度信息转化为图表时，具备行业领先的逻辑重组能力。
文字渲染（Text Rendering）
SenseNova U1 Lite的成绩几乎全面领先。AI生图最怕文字崩坏，这一测试结果证明了其在视觉化文字上的精准度。
视觉推理
- VBVR (UMM) 得分60.5，超过Nano-Banana的49.6分
- 处理复杂视觉关系推理时比同类模型更"聪明"
指令遵循与视觉编辑
- WISE维度69.0分，领先Qwen-Image（63.0）
- GEdit-Bench得分7.47，同量级开源模型中顶尖，甚至优于部分更大参数的闭源方案
效率：生成延迟仅约15秒/2K图
SenseNova-U1-8B-MoT的延迟大约只有15秒/2K图，是所有对比模型中生成速度最突出的，平均得分接近67分，已进入主流商业模型所在的中高分区间。相比之下，部分商业模型耗时达到30秒甚至70秒以上。
与闭源模型对比
在通用图像生成测试中，SenseNova U1 Lite在图像生成质量上比肩Qwen-Image 2.0 Pro、Seedream 4.5等大型闭源模型，推理响应速度也存在优势。
四、行业首创：连续性图文创作输出
传统模型的工作方式是先用文字想清楚，再调用外部工具生图——两个步骤，两套系统。SenseNova U1打破了这道墙，能在同一套推理过程中让图像和文字同步生长：
- 生成故事连环画时，一边推进情节一边同步生成对应场景插图，逻辑连贯、风格统一
- 解释电影运镜时，文字解释和视觉图同步输出，角色高度一致
- 处理论文摘要时，不只是重排文字，而是提取核心主张、方法逻辑和关键结论，用视觉结构呈现
五、具身智能方向：未来做机器人的"大脑"
商汤明确表示，随着具身智能趋势演进，计划未来将该模型作为机器人的"具身大脑"，在单一模型闭环内完成从环境感知→逻辑推演→任务执行的全过程。在逻辑推理与空间智能方向，模型已能深度理解物理世界的复杂布局与精细关系，这为具身智能应用提供了关键基础。
AITOP100-AI资讯频道将持续关注AI行业新闻资讯消息，带来最新AI内容讯息。
想了解AITOP100平台其它版块的内容，请点击下方超链接查看
AI创作大赛 | AI活动 | AI工具集 | AI资讯专区 | AI小说
AITOP100平台官方交流社群二维码：
