今天，商汤科技正式开源轻量级、原生统一多模态大模型 SenseNova U1.5 Lite。与预览版（U1.5 Lite Preview）呈现的原生统一多模态模型能力相比，正式版更关注的是，这些能力能否更准确、更稳定地进入真实视觉创作流程。

　　模型重点围绕真实视觉任务重新完善训练数据、任务设计与后训练流程，强化视觉质量、复杂指令遵循、文字与布局、原生4K、图像编辑和精细视觉控制等，提供更高可控性、更高清、更高性价比的能力工具，推动 AI 视觉生成真正跨越到“稳定完成真实视觉交付”的新阶段。

　　目前模型已面向全球开源，开发者与创作者可直接部署体验。

　　更完整的视觉创作能力，告别AI创作瓶颈

　　“精心写了 25 分钟的详细 Prompt，模型却只能解析 1k 字符，不得不花半小时删减细节”；“只想改掉图里的一只杯子，AI 却把背景和主角的脸一起换了”。

　　这些几乎是每个创作者都遇到过的“崩溃瞬间”。过往几年，行业往往把重点放在卷“画面美感”和“写实感”上；但在实际生产流程中，真正的核心问题是：模型能否精准执行你的完整意图？

　　SenseNova U1.5 Lite 解决了这一难题：

　　• 3-4k 字符超长复杂指令遵循：打破大多数开源模型在指令超过 1k 字符时易崩溃、遗漏细节的瓶颈。SenseNova U1.5 Lite 原生支持 3-4k 上下文长度，能够同时处理主体、数量、空间关系、文字、布局、风格等多重约束，提升复杂视觉任务的执行稳定性。 • 更高质量的视觉生成：改善整体构图、色彩、材质、光影、真实感和局部细节，减少“局部正确但整体完成度不足”的情况。 • 更可靠的原生图像编辑：增强主体身份、空间结构、版式关系和非编辑区域的保持，同时提升局部修改、元素替换、文字精修和多参考图编辑能力。 • 更好的文字与复杂布局：加强中英文文字、海报、信息图、品牌视觉及多文本排版能力，从“生成内容”进一步走向“组织完整视觉表达”。 • 更精细的视觉控制：支持 Bounding Box、Visual Marker 以及单图、多图参考等方式，对指定区域和对象进行更准确的编辑。 • 原生4K高分辨率输出：在高分辨率生成中兼顾整体构图与极精细的肌理、微小文字与光影折射。

　　实战演练：真实场景深度还原

　　我们挑选了最能考验“硬实力”的创作场景，带你看 SenseNova U1.5 Lite 如何搞定真实交付。

　　场景一：复杂视觉表达

　　1、创意海报与封面生成：

　　展现出极佳的美学完成度与高对比度质感。具备高精度的复杂布局能力，可精准掌控文字与留白节奏；在处理文字与物体的空间遮挡时，能够维持光影的自然连贯，充分展现了原生多模态对三维空间叠加关系的深刻理解。

　　2、高密度信息图生成：

　　保证中英文、数据等丰富细节的准确无误；通过多层级结构化空间映射，完美串联各类标签和信息，实现了复杂信息可视化图表的高质量一次性交付。

馄饨制作指南

　　3、高清细节与艺术质感：

　　在建筑结构、人像肌理、艺术画作笔触等复杂场景中，展现出媲美摄影与大师画作的细腻质感。

　　场景二：原生图像编辑

　　1、布局与风格可控编辑

　　• 草图/线稿转复古暖色漫画：精准遵循超长复杂指令，保留线稿分镜与人物轮廓，上色与材质补充自然细腻。

　　prompt：请把这张手绘草图渲染成一幅复古暖色调的手绘漫画风格插图，背景带有米黄色纸张质感，整体光影温馨，突出烛光下的专注氛围。构图上保持草图的版式，中心是主场景，周围环绕五个带编号的分镜面板。左上角用巨大的毛笔字体写上主标题“敲击灵魂的机械轴”，下方加一个绿色标签写上“每一颗轴，都是我与世界对话的方式。”。中心画面里，戴着护目镜的少年正在烛光下用螺丝刀组装键盘，桌上有印着“BUILD SOUL”的马克杯和散落的轴体，少年上方的对话框写“深夜の工作台，只有我、烛光，还有这些小家伙。”，旁边黑猫的对话框写“又在折腾键盘啊？喵~”。右上角的面板①展示绿色金属键盘外壳，标题写“① 选个靠谱的‘壳’！”，下面配文“定制金属外壳，沉甸甸的安全感！”。右侧中间的面板②展示四种颜色的机械轴体，标题写“② 挑选心仪的‘轴’！”，配文“红轴轻盈，茶轴均衡，青轴清脆...总有一款击中灵魂！”。右下角的面板③特写拔键器取下键帽的动作，标题写“③ 拔键器，yyds！”，加上拟声词“咔哒！”，配文“拔键、换轴、换键帽，自由才是机械键盘的浪漫！”。左侧中间的面板④展示一堆反光的透明键帽，标题写“④ 透明键帽，透出光芒！”，配文“灯光透过键帽的那一刻，整个世界都温柔了。”。左下角的面板⑤展示发出温暖背光的组装完成的键盘，标题写“⑤ 大功告成！”，配文“每一次敲击，都是灵魂的回响！”。底部中间的画面是少年兴奋敲击键盘的动态特写，加上绿色爆炸框文字“这就是属于我的声音！♡”，底部写上拟声词“哒哒哒哒哒!!”。右下角角落画一只小猫看着蜡烛，气泡里写“机械键盘的魅力，在于创造，更在于热爱。喵~”。

　　• 跨主题迁移且保持排版：深度理解原海报的版式框架，切换主题后仍能保持完美的视觉结构。

　　prompt：沿用参考图的复古印刷风格，生成一张天文台公众开放日主题海报。

　　2、多参考图融合生成

　　• 融合核心元素与场景重组：如“橘猫骑摩托坐在咖啡馆内”，提取多图核心特征（主体、风格、光影），在全新空间中自然重组，光影与比例浑然天成。

　　4、文字编辑

　　• 黑板菜单局部文字替换：

　　prompt：将黑板菜单上“Summer Drinks”标题下方第一行、位于白色三角形符号右侧的黄色手写体文字“快乐柠檬水”替换为红色手写体文字“草莓啵啵奶茶”，保持原有粉笔质感和笔触风格，严格保留黑板上其余所有文字（包括价格5.00）、插图（柠檬、咖啡杯、冰棍）、木框结构及背景绿植环境不变。

• 多处精准文字重写：

　　prompt：在画面中央超大砖红色主标题，将 "PEARL" 替换为 "HORIZON"。若该区域足够显眼、清晰且边界简单，则逐字呈现，不得增删或改写字符；若文字过小、被遮挡、严重透视或位于复杂纹理中，则保留原文，不要为完成替换而重绘背景。

　　在左上英文地点标题，将 "ORIENTAL PEARL TOWER" 替换为 "SHANGHAI LANDMARK"。若该区域足够显眼、清晰且边界简单，则逐字呈现，不得增删或改写字符；若文字过小、被遮挡、严重透视或位于复杂纹理中，则保留原文，不要为完成替换而重绘背景。

　　在左上英文地点副标题，将 "SHANGHAI, CHINA" 替换为 "CITY OF HARMONY"。若该区域足够显眼、清晰且边界简单，则逐字呈现，不得增删或改写字符；若文字过小、被遮挡、严重透视或位于复杂纹理中，则保留原文，不要为完成替换而重绘背景。

　　在右上中文地点标题，将 "东方明珠" 替换为 "城市之光"。若该区域足够显眼、清晰且边界简单，则逐字呈现，不得增删或改写字符；若文字过小、被遮挡、严重透视或位于复杂纹理中，则保留原文，不要为完成替换而重绘背景。

　　在左侧城市宣言第一句，将 "A SYMBOL OF SHANGHAI." 替换为 "A BEACON OF VISION."。若该区域足够显眼、清晰且边界简单，则逐字呈现，不得增删或改写字符；若文字过小、被遮挡、严重透视或位于复杂纹理中，则保留原文，不要为完成替换而重绘背景。

　　在右侧城市宣言第一句，将 "DESIGNED FOR HARMONY." 替换为 "BUILT FOR TOMORROW."。若该区域足够显眼、清晰且边界简单，则逐字呈现，不得增删或改写字符；若文字过小、被遮挡、严重透视或位于复杂纹理中，则保留原文，不要为完成替换而重绘背景。

　　在建筑底部中文大标语，将 "时代的瞭望 · 城市的明珠" 替换为 "城市的节奏 · 未来的地标"。若该区域足够显眼、清晰且边界简单，则逐字呈现，不得增删或改写字符；若文字过小、被遮挡、严重透视或位于复杂纹理中，则保留原文，不要为完成替换而重绘背景。

　　在底部英文宣言，将 "A LANDMARK OF VISION. A BEACON OF SHANGHAI." 替换为 "A LANDMARK OF TOMORROW. A BEACON OF THE CITY."。若该区域足够显眼、清晰且边界简单，则逐字呈现，不得增删或改写字符；若文字过小、被遮挡、严重透视或位于复杂纹理中，则保留原文，不要为完成替换而重绘背景。

　　面对不同视觉任务，业界通常采用显式 Router（路由）或多专家协同机制将渲染、美学、编辑分发给不同模型。但这大幅增加了系统开销与推理时延。

　　SenseNova U1.5 Lite 基于NEO-unify统一架构，打破了这一传统定式：

　　• 解耦训练与交付（MOPD 蒸馏）：训练阶段针对文字、美学、编辑独立训练专家模型（Expert）；交付阶段，通过多专家在线策略蒸馏技术（MOPD），将多专家能力无损融合至单体 8B 模型中。 • 理解与生成双向反哺：视觉语义理解与空间建模形成的认知直接反哺生成，使其自然消化多层级指令，同时在多模态理解榜单上保持强劲表现。 • 极致性价比：8B 参数量支持单卡流畅运行，无须 Router 频繁切换，单次 Pass 即可兼顾语义理解与像素生成，极大降低调用成本与推理延迟。

　　在 OneIG（EN、ZH）、LongText（EN、ZH）、BizGenEval（Easy、Hard）、CVTG、IGenBench 与 Qwen-Image-Bench 上的生成延迟与平均性能对比。

　　此外，正式版强化了任务导向的强化学习（RL）后训练，聚焦优化三大关键维度：

　　• 指令遵循（Instruction Compliance）：轻松解析超长 Prompt，精准执行严苛的多重复杂限制。 • 视觉偏好（Visual Preference）：全面优化构图、材质与光影，提升画面质感与视觉完成度。 • 编辑保持（Editing Preservation）：实现像素级局部修改，完美保留非目标区域的内容与结构。

　　这种复杂指令跟随与精细编辑能力，使得 SenseNova U1.5 Lite 可以无缝支持多轮迭代修改而不跑偏。这真正打破了单次生成的局限，让轻量级模型参与长流程的持续创作与二次改造成为可能。

编辑：刘静