商湯科技開源8B輕量多模態大模型：原生4K輸出、全能視覺編輯

AI資訊AI新閒資訊正文商湯科技開源8B輕量多模態大模型：原生4K輸出、全能視覺編輯發布於AI新閒資訊時間 :Aug 21, 2026閱讀 :1分鐘商湯科技正式宣佈開源全新的輕量級、原生統一多模態大模型 SenseNova U1.5Lite。作為一款參數量為8B 的輕量化模型，它在多項核心視覺任務中展現出了超越同量級模型的實力，甚至在部分複雜排版與文字渲染上達到了媲美超大規模商業模型的交付水平。SenseNova U1.5Lite 原生支持3至4K 的上下文長度，能夠同時處理主體、數量、空間關係、文字、佈局以及風格等多重約束，從而顯著提升複雜視覺任務執行時的穩定性。

在具體功能特性方面，該模型帶來了多項核心升級。首先是更高質量的視覺生成，顯著改善了整體構圖、色彩、材質、光影、真實感和局部細節，有效避免了傳統模型常見的局部正確但整體完成度不足的問題。其次是更可靠的原生圖像編輯能力，增強了對主體身份、空間結構、版式關係以及非編輯區域的保持度，同時全面提升了局部修改、元素替換、文字精修和多參考圖編輯的綜合表現。此外，該模型在文字與複雜佈局的處理上同樣表現亮眼，加強了中英文文字、海報、信息圖、品牌視覺及多文本排版能力，推動生成內容向完整的視覺表達邁進。

在視覺控制上，它支持 Bounding Box、Visual Marker 以及單圖、多圖參考等多種方式，能夠對指定區域和對象進行更精確的編輯。更值得一提的是，它實現了原生4K 高分辨率輸出，在高分辨率生成中能夠兼顧整體宏觀構圖與極精細的肌理、微小文字以及光影折射效果。項目地址：https://github.com/OpenSenseNova/SenseNova-U1相關推薦騰訊大模型迎來人事大地震：姚順雨掌舵基礎模型騰訊混元多模態團隊近期深度調整：原xAI多模態理解負責人藺旭東加盟，任多模態內容生成算法負責人；原負責人胡瀚離職創業，前OpenAI研究員田永龍加入。

系列人事變動標誌著騰訊在多模態大模型研發上正進行深層次路線重構。Aug 19, 2026238.8k三年估值 30 億美元！大模型“中間商”演語科技如何靠搶跑衝刺港股IPO？演語科技不研發底層大模型，憑多款AI創作應用三年崛起，現啟動香港IPO，估值高達30億美元，引發AI應用層“中間商”商業價值與競爭壁壘探討。Aug 18, 2026195.

8k英偉達推出統一音頻智能模型 Nemotron-Labs-Audex-30B-A3BNVIDIA推出統一音頻-文本大模型Audex，基於純文本MoE架構，採用單一Transformer，解決多模態模型音頻增強導致文本邏輯下降的難題，實現高效音頻理解與文本能力的平衡。Jul 8, 2026243.5kAI 視頻賽道格局重塑：谷歌 Gemini Omni Flash 登頂盲測榜首谷歌DeepMind的文生視頻模型Gemini Omni Flash在權威盲測排行榜Video Arena中以1404Elo分躍居第一，彰顯谷歌多模態技術實力，也印證視頻生成領域正高速迭代。Jul 3, 2026315.

6k商湯科技秘密研發多模態模型“U1Pro”:由林達華牽頭，預計7月啟動內測對標OpenAI商湯科技正秘密研發多模態大模型“U1Pro”，面向設計場景，由首席科學家林達華牽頭。該模型隸屬“日日新”家族，目標對標OpenAI的GPT-Image2，強調長程邏輯與思考能力，預計7月啟動內測並商用。Jun 25, 2026193.0k智啟未來，您的人工智能解決方案智庫English簡體中文繁體中文にほんご© 2026