在人工智能技術競賽中，大參數模型固然佔據話語權，但如何將模型「精簡化」且維持高效能，才是企業落地的關鍵。商湯科技發佈並全面開源其原生「理解生成統一模型」日日新 SenseNova U1 系列。這項技術基於商湯自主研發的 NEO-unify 架構，讓多模態 AI 進入全新的統一化階段，能同時處理複雜的圖像理解與高質素的視覺生成任務。
SenseNova U1 系列最受市場關注之處，在於其打破了傳統多模態模型「拼接式」的設計缺陷。以往的模型往往像是一個由不同語系的成員組成的協作小組，視覺編碼器負責看圖，語言骨幹負責推理，兩者之間依賴「適配器」傳譯訊息，這不僅造成效率低下的問題，更會在數據傳遞過程中產生訊息損耗。
突破拼接式設計瓶頸 同一大腦實現自然融合
商湯研發的 NEO-unify 架構捨棄了這種「拼接」方式，直接去除了視覺編碼器（VE）與變分自編碼器（VAE），重新構建了一個統一的表徵空間。這意味著 SenseNova U1 像是一個同時精通多種語言與技能的天才，無需經過中轉翻譯，即可在同一個「思考過程」中直接處理圖像與文字訊息。
這種「原生統一」的設計，讓模型在規模相對精簡的情況下，依然能展現強大的理解與生成能力。圖像與語言不再是接力傳球，而是在同一個大腦中自然融合，大幅減少了訊息損耗，為 AI 模型在輕量化裝置上的高效運行提供了技術基石。
輕量化模型以小博大 生成複雜訊息圖達商業級水平
商湯此次開源的是其輕量版系列 SenseNova U1 Lite，當中包括基於稠密骨幹網絡的 8B-MoT，以及基於混合專家（MoE）架構的 A3B-MoT。儘管參數規模相對較小，但性能卻展現出「以小博大」的實力，在多項基準測試中表現卓越。
特別是在圖像生成領域，SenseNova U1 Lite 產出的圖像質素，已能媲美部分大型商用閉源模型。更令業界驚訝的是，它在處理開源模型長期面對的短板，例如複雜訊息圖（infographics）生成時，展現出極強的排版與文字掌控力，企業可以利用較低的運算成本，直出專業級的圖表與數據視圖。
業內首創連續圖文創作 風格連貫提升創作效率
除了單一圖像的產出，SenseNova U1 更是業內首個實現「連續性圖文創作輸出」的模型。憑藉 NEO-unify 架構的優勢，模型能將圖文底層的融合信號保留在上下文之中。這解決了以往 AI 生成多張圖畫時，風格難以維持統一的痛點。用戶現在可以通過單次調用，生成一系列風格高度連貫、敘事邏輯一致的圖文作品。
對於商務科技應用而言，這項能力將顯著提升市場營銷與內容創作的效率。由於訊息保留在統一的表徵空間內，AI 的思考更具連貫性，產出的作品不僅質量更高，亦能更貼合用戶的連續指令要求。
全面開源推動 AGI 生態 未來將賦能具身智能
商湯目前已將 SenseNova U1 Lite 全面開源，開放予 GitHub 與 Hugging Face 等平台供開發者部署，並計劃將此技術賦能予旗下的辦公智能助手「辦公小浣熊」。商湯認為，原生統一的多模態智能是通往通用人工智能（AGI）的必經之路，未來該系列模型亦有望成為機器人的「具身大腦」，實現從環境感知到邏輯推演，再到精準執行任務的全流程閉環。
商湯科技表示將持續擴展這一技術路徑，計劃未來推出參數規模更大的 U1 系列模型，目標是以遠低於傳統的計算成本，達到國際頂尖模型的水平。通過積極建設開源生態，商湯正聯同社區開發者，共同定義未來智能互動的新標準。
Source：SenseTime