8B 也能直接出 4K：商汤 SenseNova U1.5 Lite 开源，AI 生图开始卷“可控编辑”

AIGC资讯

2026-08-22浏览 15295,115 字 · 约 16 分钟

…

目录一、SenseNova U1.5 Lite 是什么？0%

AI 生图现在已经很强了。

但真正拿它干活以后，大家最容易碰到的问题其实已经不是：

“这张图好不好看？”

而是：

“它到底听不听话？”

你花二十分钟写了一大段 Prompt：

主体是什么；

标题放哪里；

有几个元素；

人物站什么位置；

文字必须写什么；

哪些东西不能改；

哪些区域只替换颜色。

结果模型看到后面已经忘了前面。

或者你只是想：

把杯子换成蓝色。

最后 AI 连：

人物的脸；

背景；

光线；

构图

一起重新画了一遍。

这也是现在真正进入设计生产流程以后，一个越来越明显的问题：

AI 会生成，不代表 AI 会稳定修改。

商汤这次开源的 SenseNova U1.5 Lite 正式版，重点盯上的就是这件事。

2026 年 8 月 21 日，商汤正式宣布开源 SenseNova U1.5 Lite。它是一款 8B 级轻量化、原生统一多模态模型，在此前 U1.5 Lite Preview 的基础上继续强化复杂指令遵循、文字与布局、原生 4K、图像编辑和精细视觉控制。

简单一点说：

以前开源生图模型主要卷“能不能画好看”，现在开始继续卷“能不能按照要求把设计真正改对”。

一、SenseNova U1.5 Lite 是什么？

SenseNova U1.5 Lite 是商汤 SenseNova U 系列中的轻量级原生统一多模态模型。

目前正式模型名称为：

SenseNova-U1.5-8B-MoT

这里最重要的几个关键词是：

Native Unified Multimodal

Image Generation

Image Editing

它并不是单纯的一款传统 Text-to-Image 模型。

而是希望在同一个模型体系里同时处理：

语言理解
+
视觉理解
+
空间关系
+
图像生成
+
图像编辑

背后采用的是商汤自己的：

NEO-unify 原生统一多模态架构。

这条路线从 SenseNova U1 就已经开始。

传统多模态系统往往是：

一个模型负责理解图片；

另一个模型负责生成图片；

编辑时再接一套 Pipeline。

SenseNova U 系列则希望把：

理解与生成放进同一个统一表示空间。

所以模型在“看懂图片”之后获得的空间关系和视觉语义，可以继续直接帮助后面的生成与编辑。

这也是它为什么特别强调：

原生统一多模态。

二、这次正式版和 Preview 有什么区别？

SenseNova U1.5 Lite Preview 此前已经展示过：

原生 4K；

更好的材质；

更复杂布局；

图像编辑；

主体保持。

而这次正式版并不是单纯把 Preview 换个名字发布。

商汤重新强化了：

训练数据；

任务设计；

Prompt Enhancement；

后训练流程；

视觉质量；

编辑保持；

复杂指令遵循。

最终重点归纳为六个方向：

1. 更高质量的图片生成

构图、颜色、材质、自然光、真实感和局部细节进一步提高。

2. 更好的文字与信息图

加强中英文文字、海报、信息图和复杂排版。

3. 原生 4K

直接生成高分辨率图片，而不是先低分辨率生成，再简单 Upscale。

4. 更稳定的图片编辑

修改目标内容时，尽量保持人物、结构和其他不需要修改的区域。

5. 更强的复杂指令理解

一次 Prompt 里放入多个对象、数量、布局、文字和风格要求，也能尽量完整执行。

6. 更细的视觉控制

可以结合 Bounding Box、Visual Marker 和参考图控制具体修改区域。

这基本覆盖了现在 AI 视觉真正进入生产阶段以后最常见的几个痛点。

三、先说最容易被误解的：不是“4K 上下文”

SenseNova U1.5 Lite 这次有两个不同的“4K”。

千万不要混在一起。

第一个是：

3–4K 字符级复杂指令。

第二个才是：

原生 4K 图像输出。

官方给出的能力描述是：

SenseNova U1.5 Lite 可以处理约 3–4K 字符长度的复杂视觉指令。

这里说的不是：

4K Token Context Window。

而更接近：

一条 Prompt 可以写得非常长。

对于普通生图可能没感觉。

但设计场景非常有用。

因为真实设计 Prompt 往往不是：

一只猫，电影感。

而可能是一整页：

主标题；

副标题；

产品位置；

价格；

卖点；

人物；

背景；

颜色；

留白；

字体；

哪些区域不能修改；

哪个参考图只参考人物；

哪个参考图只参考版式。

Prompt 很容易几千字。

SenseNova U1.5 Lite 重点提升的就是：

Prompt 变长以后，不要越往后忘得越多。

四、原生 4K 才是这次最直观的亮点

另一个真正的 4K：

就是分辨率。

SenseNova U1.5 Lite 支持：

Native 4K Generation。

传统图片模型很容易采用：

先生成 1024
↓
再放大
↓
再补细节

但 Upscale 并不能完全解决：

细小文字；

纹理；

材质；

复杂建筑结构；

信息图；

高密度排版

这些问题。

因为：

原始图片里不存在的细节，后面再放大也很难凭空补正确。

SenseNova U1.5 Lite 则把训练进一步扩展到了 4K 分辨率，在高分辨率阶段直接处理：

整体构图；

细节；

纹理；

文字；

光影。

官方重点强调的不是单纯：

“图片像素更多。”

而是：

高分辨率下整体结构依然保持稳定。

对于：

海报；

广告；

电商；

品牌视觉；

摄影；

壁纸；

信息图

这类场景，比单纯生成一张 1024 图片实用很多。

五、文字和复杂排版，是 U1.5 Lite 很值得看的能力

现在图片模型已经很会画：

人物；

风景；

产品；

电影画面。

但真正让设计师头疼的，还是：

文字。

尤其中文。

一张海报里面只有：

“夏日新品”

四个字。

现在很多模型已经能处理。

但如果是：

主标题；

副标题；

说明；

数字；

多个标签；

多个信息区块；

中英文混排。

错误率马上上升。

SenseNova U1 系列此前就专门发展过 Infographic 模型。

这次 U1.5 Lite 正式版继续把这套能力融合进统一模型里，加强：

中英文文字；

复杂海报；

信息图；

品牌视觉；

密集排版。

所以它真正想做的已经不只是：

AI 插画模型。

而是在往：

AI 视觉设计模型

靠。

六、信息图可能是它最适合的场景之一

为什么现在很多图片模型做信息图特别容易翻车？

因为一张信息图需要同时理解：

内容
+
文字
+
层级
+
数据
+
图标
+
布局
+
空间关系
+
视觉风格

这里任何一项错掉：

整张图都没法交付。

例如：

文字写对了，但对应错栏目。

数据没错，但是标签指向错误。

版式很好看，却少了一块内容。

SenseNova U1.5 Lite 强调多层级空间映射和复杂布局，就是想提高这一类任务的一次性交付率。

所以如果你平时会做：

数据报告；

科普信息图；

流程图；

产品介绍图；

教育知识图；

社交媒体长图。

这类能力值得重点测试。

七、图片编辑可能比“文生图”更值得关注

其实现在 AI 图片模型越来越多以后，我反而觉得：

编辑能力比纯生成更重要。

因为真实工作里很少是：

一次生成，直接交稿。

更多时候是：

第一版不错。

然后：

标题换一下。

产品位置不动，把背景换成海边。

人物脸别改。

把左边的杯子去掉。

其他东西全部保持。

颜色从绿色换成红色。

这才是正常的设计工作流。

问题是很多 AI：

重新生成比精准修改更擅长。

你让它改 10%。

它可能顺便把剩下 90% 也重新画了。

SenseNova U1.5 Lite 正式版则特别强化：

Editing Preservation。

也就是：

修改该改的，保留不该改的。

八、人脸、主体和空间结构尽量保持

例如上传一张人物照片。

你只说：

把黑色外套改成蓝色。

理想结果应该是：

人物还是这个人；

脸不变；

姿势不变；

背景不变；

光线不变；

构图不变。

只改：

衣服。

SenseNova U1.5 Lite 在训练阶段专门强化：

主体身份保持；

空间结构；

未编辑区域保持。

所以它想减少现在 AI Editing 很常见的问题：

越改越不像原图。

这对于：

商品图；

人物；

品牌视觉；

广告；

电商

特别重要。

九、多参考图也能一起用

SenseNova U1.5 Lite 不只是：

单图编辑。

还支持：

Multi-reference Editing。

例如你可以同时给：

图片 1：人物；

图片 2：衣服；

图片 3：场景；

然后告诉模型：

使用图 1 的人物，换上图 2 的衣服，放进图 3 的环境中。

真正困难的地方不是：

简单把三张图片复制粘贴。

而是：

让它们在新的画面中拥有统一：

透视；

比例；

颜色；

光线；

空间关系。

官方案例中已经展示了多参考图主体融合、美食海报重组等场景。

对于：

电商；

广告；

品牌；

商品合成

会非常实用。

十、还支持 Bounding Box：告诉 AI“就改这里”

这也是很实用的一点。

SenseNova U1.5 Lite 支持通过：

Bounding Box

进行局部区域控制。

也就是可以指定：

x1,y1
↓
x2,y2

告诉 AI：

操作范围就在这个框里面。

比如：

把右上角这个模块改掉。

而不是让模型自己猜：

“右上角”到底指哪里。

视觉生成模型越往专业工具发展，这类：

明确的空间坐标控制

就会越来越重要。

十一、Visual Marker 更适合普通用户

普通用户可能不会去填 Bounding Box 坐标。

所以它还有更直观的：

Visual Marker。

例如直接在原图：

画一个红框；

画箭头；

做标记。

然后告诉模型：

把红框里的英文翻译成中文，其他区域保持不动，生成结果中不要保留红框。

AI 会把：

视觉标记

当成编辑指令的一部分。

以后图像编辑很可能越来越接近：

在图上圈出来
+
说一句话
=
完成编辑

这种交互其实比复杂 Prompt 更符合普通人的使用习惯。

十二、文字也可以直接精修

它还有一个很有意思的场景：

只改图片里的文字。

例如海报里原本写：

PEARL

你可以要求：

改成：

HORIZON

同时：

版式不变；

字体风格不变；

背景不变；

其他文字不变。

或者：

只把某一个中文菜单名称替换掉。

这已经很接近：

AI 版局部文字编辑工具。

现在 AI 海报最大的问题之一就是：

整体设计很好看。

结果一个字错了。

最后整张重新抽卡。

如果文字能够独立修：

工作流会舒服很多。

十三、草图也可以直接变成完成稿

SenseNova U1.5 Lite 还适合：

Sketch-to-Image。

例如自己先画：

一张很粗的线稿。

只定义：

构图；

人物；

几个区块；

标题位置。

再告诉模型：

保留当前版式和人物关系，把整张图渲染成复古暖色漫画。

模型继续补：

色彩；

材质；

光影；

背景；

文字风格。

对于设计师来说：

AI 就不一定负责：

替你设计。

而是：

把你的设计意图做出来。

这两种使用方式差别很大。

十四、为什么只有 8B 也能塞这么多能力？

这一点其实是 SenseNova U1.5 Lite 技术上比较有意思的部分。

现在视觉模型想同时处理：

文字；

美学；

编辑；

理解；

生成。

常见方法可能是：

一个 Router。

不同任务分别调用不同 Expert。

例如：

文字交给 A；

图片美学交给 B；

编辑交给 C。

问题就是：

系统复杂；

显存高；

延迟增加。

SenseNova U1.5 Lite 采用了一种叫：

MOPD

的方式。

训练阶段：

可以分别训练：

文字 Expert；

美学 Expert；

编辑 Expert。

然后在交付阶段，通过多专家在线策略蒸馏，把这些能力继续融合进：

一个单体 8B 模型。

所以使用时不需要不停调用多个专家。

官方称 8B 规模可以支持单卡运行，并通过单次 Pass 同时处理语义理解和像素生成。

这也是 Lite 最值得关注的一点：

不是只追求模型大，而是尽量把复杂视觉能力塞进更小的部署规模里。

十五、对开发者来说，“单卡”比 Benchmark 更现实

一款开源模型 Benchmark 再高。

如果部署需要：

8 张 H100。

普通开发者基本等于：

没开源。

SenseNova U1.5 Lite 的路线明显更偏：

可部署。

8B 级规模意味着：

开发者可以进一步尝试：

私有部署；

企业视觉系统；

本地创作；

定制工作流；

ComfyUI；

垂直 Fine-tuning。

GitHub 当前甚至已经同时开放：

正式模型；

SFT 权重；

以及用于加速推理的 8-step LoRA。

对于真正想把视觉模型塞进自己产品的人，这类东西往往比单纯在线 Demo 更重要。

十六、正式模型使用 Apache 2.0 License

目前 SenseNova U1.5 正式模型页面标注为：

Apache License 2.0。

对于开发者来说，这比仅：

“开放一个在线体验地址”

更重要。

因为你真的可以：

下载模型；

研究；

部署；

进一步开发自己的应用。

当然真正用于商业项目时，仍然应该结合：

模型 License；

依赖 License；

使用场景；

生成内容版权

进行完整检查。

十七、它适合哪些人？

UI / 平面设计师

特别适合测试：

海报；

信息图；

品牌视觉；

文字排版；

局部修改。

电商设计

可以处理：

商品主图；

场景图；

广告图；

参考图融合；

文字修改；

商品元素替换。

内容创作者

可以生成：

小红书封面；

公众号配图；

科普长图；

社交媒体海报。

广告和品牌团队

适合：

KV；

Campaign；

产品海报；

品牌素材扩展。

AI 开发者

可以用于：

自建图片工具；

AI Design Agent；

内部设计平台；

图片编辑 API；

本地视觉工作流。

独立开发者

相比必须调用大型闭源 API：

8B 开源模型的本地部署可能更加有吸引力。

十八、如果你做电商，可以怎么用？

例如你有：

一张手机产品图。

可以尝试：

保留产品本身尺寸、颜色、Logo、按钮结构和摄像头位置不变，将背景替换成深灰色高端科技发布会场景。产品位于画面中央偏左，右侧加入标题“轻薄，但不轻性能”，下方增加三个参数卖点，使用白色极简无衬线字体，保持足够留白，输出 4K 横版广告图。

这里同时包含：

商品保持；

背景替换；

空间；

中文；

排版；

视觉风格；

4K。

这种复杂 Prompt 正好是 U1.5 Lite 想重点解决的场景。

十九、做海报，可以把 Prompt 写得更完整

比如：

生成一张 3:4 科技媒体封面。主标题“AI 视觉模型开始卷 4K 了”，放在画面上方，占画面约 30%，使用粗体无衬线字体。中央是一台悬浮的透明计算设备，内部出现图像生成、文字、编辑和 Bounding Box 四个视觉模块。背景以银灰和浅蓝为主，不要赛博霓虹，不使用紫色渐变。底部左侧加入“SenseNova U1.5 Lite”，右侧加入“8B / Native 4K”。画面整体简洁、有留白、具有科技编辑杂志感。

以前长 Prompt 最容易的问题就是：

后面那些限制 AI 直接没看见。

而复杂 Prompt 遵循本身就是这一代重点增强项。

二十、多轮修改才是真正考验

真正设计工作不会只改一次。

可能是：

第一轮：

把海报改成红色。

第二轮：

产品别动，主标题换成中文。

第三轮：

左边加一个参数模块。

第四轮：

人物不要变化，只把背景换掉。

每修改一轮：

模型都有可能慢慢偏离原图。

这叫：

Editing Drift。

SenseNova U1.5 Lite 通过增强 Editing Preservation，希望支持更长的持续修改流程。

这其实比：

第一张图生成得多漂亮

更能决定 AI 能不能真正进入生产工具。

二十一、不过它现在也不是完全没有问题

这点官方模型卡自己也写得比较明确。

目前仍然存在几个限制。

1. 高密度文字仍可能出错

特别是：

大量小字；

中英文混排；

很密的信息图。

不能保证 100% 正确。

2. 极端严格的布局仍可能偏差

例如：

必须正好 17 个元素；

每一个都严格对齐；

每个层级完全一致。

仍可能出现问题。

3. 小人脸和手部细节仍可能不稳定

尤其人物在画面中比较小时。

4. 复杂多轮编辑依然可能漂移

如果你同时要求：

改很多区域；

使用多张参考图；

又必须保持大量原内容。

编辑稳定性仍有提升空间。

所以不要把：

“编辑更强”

理解成：

“Photoshop 可以删了。”

目前还没到这一步。

二十二、SenseNova U1.5 Lite 真正有意思的地方是什么？

如果只看参数：

8B。

4K。

很容易把它理解成：

又一个开源生图模型。

但它真正值得关注的方向其实是：

长 Prompt
+
文字
+
复杂布局
+
生成
+
编辑
+
多参考图
+
区域控制
+
多轮修改

正在逐渐被放进：

同一个模型。

这才是“原生统一多模态”真正想解决的问题。

以前不同任务需要：

一个生图模型；

一个编辑模型；

一个 OCR；

一个多模态理解模型；

再接一堆工具。

现在大家都在尝试：

一个模型自己理解，再自己生成和修改。

二十三、AI 图片下一阶段，可能不再只是比“谁画得最好看”

过去 AI 图片模型最容易比较的是：

写实度。

美学。

人脸。

光影。

但继续进入真实工作流后，新的指标会越来越重要：

Prompt 到底听不听。

中文字到底准不准。

版式能不能控制。

局部修改会不会毁整张图。

同一个人物能不能保持。

能不能连续改十轮。

本地能不能跑。

所以视觉模型竞争开始从：

Image Generation

逐渐扩展成：

Visual Creation Workflow。

这可能才是 SenseNova U1.5 Lite 最值得关注的地方。

结语

商汤这次开源 SenseNova U1.5 Lite，我觉得可以记住几个关键词：

8B。

3–4K 字符复杂指令。

Native 4K。

文字与复杂布局。

多参考图。

Bounding Box / Visual Marker。

原生图像编辑。

以及：

单卡部署。

相比单纯再做一个更大的图片模型，它明显更关注：

真实设计工作到底需要什么。

特别是：

“只修改这里，其他东西千万别动。”

这种看起来简单、实际上 AI 最容易翻车的需求。

对于设计师、内容创作者和电商来说：

原生 4K 和文字排版会比较直观。

对于开发者来说：

8B、Apache 2.0、本地部署和完整开源生态可能更加重要。

而且这次正式版已经不只是 Preview。

目前模型权重、GitHub、Hugging Face、ModelScope 和在线体验入口都已经开放。

如果你最近正好在找：

可以本地部署、同时兼顾生图和图片编辑的国产开源视觉模型。

SenseNova U1.5 Lite 确实值得试试。

一、SenseNova U1.5 Lite 是什么？

二、这次正式版和 Preview 有什么区别？

1. 更高质量的图片生成

2. 更好的文字与信息图

3. 原生 4K

4. 更稳定的图片编辑

5. 更强的复杂指令理解

6. 更细的视觉控制

三、先说最容易被误解的：不是“4K 上下文”

四、原生 4K 才是这次最直观的亮点

五、文字和复杂排版，是 U1.5 Lite 很值得看的能力

六、信息图可能是它最适合的场景之一

七、图片编辑可能比“文生图”更值得关注

八、人脸、主体和空间结构尽量保持

九、多参考图也能一起用

十、还支持 Bounding Box：告诉 AI“就改这里”

十一、Visual Marker 更适合普通用户

十二、文字也可以直接精修

十三、草图也可以直接变成完成稿

十四、为什么只有 8B 也能塞这么多能力？

十五、对开发者来说，“单卡”比 Benchmark 更现实

十六、正式模型使用 Apache 2.0 License

十七、它适合哪些人？

UI / 平面设计师

电商设计

内容创作者

广告和品牌团队

AI 开发者

独立开发者

十八、如果你做电商，可以怎么用？

十九、做海报，可以把 Prompt 写得更完整

二十、多轮修改才是真正考验

二十一、不过它现在也不是完全没有问题

1. 高密度文字仍可能出错

2. 极端严格的布局仍可能偏差

3. 小人脸和手部细节仍可能不稳定

4. 复杂多轮编辑依然可能漂移

二十二、SenseNova U1.5 Lite 真正有意思的地方是什么？

二十三、AI 图片下一阶段，可能不再只是比“谁画得最好看”

结语

相关链接

SenseNova U1.5 Lite 官方发布介绍

SenseNova U1 GitHub 开源仓库

SenseNova U1.5 Hugging Face 正式模型

SenseNova U1.5 Hugging Face 模型合集

SenseNova U1.5 ModelScope / 魔搭社区

SenseNova Studio 在线体验

SenseNova U1 论文

OpenSenseNova GitHub 官方主页