去掉 VAE 之后，商汤用 8B 参数重新定义了开源生图的上限

文章摘要

【关 键 词】 统一架构、多模态、模型开源、端到端、图像生成

商汤推出的SenseNova U1系列模型基于自研的NEO-unify架构，彻底摒弃传统视觉编码器与变分自编码器，直接在像素与文本层面实现端到端协同学习。该设计突破了多模态领域长期依赖独立模块接力处理的瓶颈，使语言与视觉信息在同一表征空间内参与全层计算，实现了从组件集成向原生统一的范式跨越。多项基准测试数据显示，该架构在多模态理解、图像生成与空间推理任务中均达到同量级开源领先水平。消融实验验证，原生像素级接口大幅降低了跨模态对齐成本，混合主干网络通过共享注意力上下文，使模型在联合训练阶段保持能力稳定并收敛更快，统一架构在表示学习与数据效率上的收益得到充分验证，能力叠加并非参数妥协而是表征层面的自然涌现。

面向工程落地，模型提供多种量化规格与低显存适配方案，并完整接入可视化工作流节点。在密集信息处理任务中，系统能够有效执行异构知识合并与逻辑分层，自主完成高精度文字渲染、跨页面排版一致性控制及复杂分镜生成。技术路线直接针对长文档解析与高规整图表制作等企业级高频需求，在保障输出质量的同时显著压缩推理延迟与部署成本。相比行业内侧重单项能力突破的主流方案，该路径通过底层范式的革新打通理解与生成的逻辑闭环，消除模块边界导致的信息损耗与风格割裂。多模态智能向深度表征融合的演进趋势日益明确，原生统一框架为构建具备更高可解释性与协同推理能力的通用人工智能体系提供了切实可行的架构基础。

原文和模型

【原文链接】 阅读原文 [ 4391字 | 18分钟 ]
【原文作者】 AI科技评论
【摘要模型】 qwen3.6-plus
【摘要评分】 ★★★☆☆

阿里云百炼

大模型服务平台是阿里云基于通义大模型等多种大模型的一站式大模型开发平台。