商湯科技發布「日日新SenseNova U1」系列模型 憑NEO-unify架構統一多模態理解與生成

人工智能（AI）公司商湯科技（00020）近日宣佈，正式發布並開源其原生理解生成統一模型「日日新SenseNova U1」系列。該系列產品基於商湯今年三月自主研發的NEO-unify架構，核心突破在於實現單一模型架構內的多模態理解、推理與生成能力。受市場對AI技術發展的關注，商湯股價於交易時段內曾一度受大市影響而下跌，惟其後逐步回穩，最終收報1.99元，全日成交額達5.37億元。 商湯科技指出，「日日新SenseNova U1」系列模型能夠實現語言和視覺訊息的高效協同，從而同步增強理解與生成能力。這不僅能保持語義豐富度，同時維持像素級視覺保真度，使其能有效用於生成複雜的訊息圖（infographics），並成為業界首個實現連續性圖文創作輸出的模型。在邏輯推理與空間智能等範疇，該模型展現出深度理解物理世界複雜佈局與精細關係的能力，未來有望為機器人提供「具身大腦」，在單一模型閉環內完成環境感知、邏輯推演至精準任務執行的全流程。 傳統多模態模型多採用「拼接」方式，將視覺編碼器（VE）與語言骨幹透過適配器串聯。此設計猶如一個「説不同語言的工作小組」，訊息在不同成員間頻繁傳遞，既耗時且易造成誤解和訊息損耗，往往需依賴更大參數的模型來彌補不足。相較之下，NEO-unify架構突破了這一限制，捨棄了主流的拼接方式，並移除了VE和變分自編碼器（VAE），重新構建了一個統一的表徵空間。建基於此創新架構的SenseNova U1，其設計理念如同一個掌握多項技能的個體，能夠在同一套「思考方式」中直接處理圖像、文字等不同訊息，實現圖像與語言的自然融合。此舉有效減少訊息損耗，並能在相對精簡的模型規模下，高效實現更強大的多模態理解與生成能力。 本次開源發布的為「日日新SenseNova U1」系列的輕量版SenseNova U1 Lite，包含SenseNova-U1-8B-MoT（基於稠密骨幹網絡）及SenseNova-U1-A3B-MoT（基於混合專家MoE骨幹網絡）兩種規格。一系列基準測試結果印證了SenseNova U1 Lite系列的技術優勢，在涵蓋圖像理解、圖像生成與編輯、空間智能及視覺推理等多個領域的基準測試中，SenseNova U1 Lite系列已達到同量級開源模型的領先水平，為統一多模態理解與生成樹立了新的行業標桿。 數據顯示，憑藉8B MoT的小規格模型，SenseNova U1 Lite已能媲美甚至超越部分大型商業閉源模型的表現，實現「以小博大」。在通用圖像生成測試中，其圖像生成質量已達商業級水準，媲美Qwen-Image 2.0 Pro或Seedream 4.5等大型閉源模型，並在推理響應速度上展現顯著優勢。即使面對極具挑戰性、開源模型能力長期受限的複雜訊息圖生成任務，SenseNova U1 Lite亦能達到商業級水準，對處理複雜訊息圖的排版和文字具備強大的掌控力。 值得一提的是，憑藉NEO-Unify架構的獨特優勢，SenseNova U1成為業界首個實現連續性圖文創作輸出的模型。該模型透過底層融合信號完整保留上下文，確保生成圖像風格的高度連貫性，並允許用户透過單次、單模型調用即可生成更高質量的作品，大大提升效率。展望未來，商湯科技表示將沿著當前技術路徑擴展，計劃推出更大規模的模型，冀望以遠低於傳統的計算成本，達到國際頂尖模型的水平。同時，商湯亦將持續推動開源生態建設，並歡迎社區用户和開發者為模型提供寶貴意見。