商汤开源 8B 模型 SenseNova U1.5 Lite
商汤开源 8B 统一多模态模型，用“先拆开练再合回来”的策略，在图像编辑与复杂排版上实现接近闭源模型的性能。
商汤科技正式开源 SenseNova U1.5 Lite，一个仅 8B 参数的多模态模型。它能将九张比例、背景各异的图片整齐合成一张，精准识别每道菜品并适当美化；也能通过“框选+标注”精准修改局部，同时保持床、柜体等非编辑区域不变。在复杂排版与精准编辑等核心场景上，该模型可比肩闭源 GPT-Image-2。
正文摘录
开源国产 8B 模型，比肩闭源 Image 2 了！ 原本各自拍摄、比例和背景都不一样的九张图片，一下子就被整整齐齐地设计到了一张图里；并且 AI 还精准识别出了每道菜品，同时还给它们适当加了美化处理，让图片整体变得更加养眼。 我们在原图的基础上，用 "框选+标注" 的方式，把想要修改的图片局部细节给标了出来： 可以明显看到，几个目标区域都按照要求发生了变化，但床、床头柜、玻璃杯、右侧柜体，包括整个卧室原来的空间关系都基本保留下来。 而这个 AI，便是 商汤科技 这次正式开源的 SenseNova U1.5 Lite ，其亮点如下： - 8B 参数规模，轻量级部署 - 原生统一多模态架构，理解、生成、编辑一体化 - 复杂排版与精准编辑能力，比肩闭源 GPT-Image-2 而且啊，SenseNova U1.5 Lite 依旧保持了 8B 的大小，还能在复杂排版与精准编辑等核心的场景上比肩闭源的 GPT-Image-2： 如果说三周前的 SenseNova U1.5 Lite Preview 版本是验证一个统一模型能够把视觉能力扩展到哪里。 那么到了今天的正式版本，商汤科技则是进一步验证这些能力能否分别得到强化，再重新统一到一个轻量级模型中，并稳定进入真实创作流程。 复杂信息图：六阶段流程一图呈现 要在一张竖版信息图里，需要同时塞进 Harvesting、Fermentation、Roasting、Grinding、Tempering 到 Finished Chocolate 六个阶段。 每个阶段既有文字解释，也有对应的可可果、发酵箱、烘焙设备、研磨装置、巧克力浆等视觉元素，而且六层内容还得顺着版式一路往下走。 从最终的效果来看，SenseNova U1.5 Lite 已经做到了可以 组织一整套视觉表达 ，包括长文本、多层级结构、插画、数字顺序和版式关系。