这个新生图模型有点夯：4K直出的，国产的，开源的！

这个新生图模型有点夯：4K直出的，国产的，开源的！

商汤预览了SenseNova U1.5 Lite

金磊 发自 凹非寺

量子位 | 公众号 QbitAI

刚刚，新出的一个生图模型，着实是有点东西在身上的：

国产的，4K直出的，开源的，轻量的，还是可以指哪儿改哪儿的。

例如下面这张信息密度超高的图片，就是它做出来的：

我们从结果可以看到，即便是把图片放大了来看 ，不论是文字、图片元素，都是细节拉满的状态。

再如这组充满艺术感的视觉大片，这个AI也是不在话下：

那这是何许AI是也？

它，便是商汤刚刚面向社区开源的SenseNova U1.5-Lite-Preview。

这是一个轻量级原生统一多模态模型的早期预览版本。它延续了商汤自研的NEO-Unify架构，把语言、视觉语义和像素生成放进同一套模型里，覆盖视觉理解、推理、生成与编辑。

不过有一说一，原生4K直出，还仅仅是它的亮点之一。

在仅有8B-MoT参数的轻量身形之下，U1.5-Lite-Preview做到了：

- 复杂Prompt能接住：支持长篇、多约束、层次化和结构化视觉指令；

- 文字和版式更能打：面向海报、信息图、品牌视觉等高信息密度内容；

- 生成后还能继续改：支持参考图、多图组合、局部文字编辑，以及红框、坐标和marker精准编辑。

毕竟在真实创作中，“会画图”只是第一步，真正决定它能不能进入创作流程的，还得看复杂任务和编辑能力。

那U1.5-Lite-Preview这个8B-MoT小模型创作起来有多方便？我们继续往下看~

能Hold住复杂创作和编辑才是重点

先来看一张信息密度相当的图片。

这张图的主题是银盐摄影。

画面正中央，是一台被拆解开的复古相机。镜头、快门、胶片仓、卷片轴、取景器等结构，被一层层摊开来讲清楚；一束橙色光线从镜头前方打进来，顺着成像路径一路穿过去，整张图的视觉中心也因此一下子立住了。

这种图最难的地方，其实并不在于“画一台相机”本身。真正难的是，模型得同时把时间线、知识模块、结构拆解、流程说明和视觉层级都组织进同一张图里，还得让人一眼看过去，知道哪里是主干、哪里是补充，哪里是说明，哪里是结论。

从最后出来的效果看，U1.5-Lite-Preview在这种高信息密度的信息图任务上，已经能把内容和版式一起接住了。黑白蚀刻风格很统一，主视觉够醒目，细节也足够丰富，整张图读起来并不乱，反而有种“越看越有东西”的感觉。

如果说上一张图考验的是“从零做一张复杂信息图”，那接下来这组，更像是在考模型有没有复刻一张图的逻辑，再重新输出的能力。

输入图的主题，是一张名为Modern Pop Culture Film & TV Milestone Journey的信息图。

它把几部流行影视作品串在一条弯曲的路径上，节点、卡片、插画和标题都带着比较统一的手绘水彩风格。整张图看上去像一张轻松、亲切的文化主题路线图。

而到了输出图，主题换成了The Journey of Postal Mail，也就是“邮政邮件的旅程”。

但你再仔细看，会发现它并没有推倒重来。

原来那条弯弯曲曲的路径还在，节点式的节奏也还在，左中右的版式关系也保留了下来。只不过，原先围绕电影和剧集展开的内容，被整体替换成了“投递、分拣、运输、派送”这四个环节。洗衣店、剧集卡片、电影海报式的小模块，被换成了邮筒、分拣中心、运输车、邮差上门这些更贴合新主题的元素。

换句话说，它领悟的并不只是简单的“画风”，更是一整套设计框架和组织方式。

在真正的内容生产中，从头做图只占一部分时间；更多时候，折磨人的其实是改稿。

比如下面这组博物馆文创的案例：

输入图和输出图，主题其实都是博物馆文创开发流程。

整张图的大框架没有变。左侧仍然是竖排标题，中间依旧是巨大的“MUSE”字样，右侧还是从“研究与挖掘”到“反馈与迭代”的六步流程，底部的价值模块和整体米色、浅棕色的调性，也都还在。

但它改动的，是画面里最核心的主视觉。这个案例挺像真实工作流里常见的改法。

文案不一定大改，结构也不一定重做，但客户会告诉你，主题方向变了，主视觉要换，气质要跟着调整，原来的信息框架尽量保留。这时候，难点已经不只是“生成一张图”，而是在同一套版式里，重新组织新的视觉主体。

从这个结果来看，U1.5-Lite-Preview已经开始具备这种能力了。它不是简单地把一件新文物塞进去，而是在保留原有流程信息图框架的前提下，把新的核心元素重新放进整张设计语言里。

我们再来看一个更刁钻的，把有设计感且复杂的“迎”字，改成“命”字：