商汤 SenseNova-U1.5：8B-MoT 原生统一视觉模型，原生 4K 分辨率

背景

SenseNova-U1.5 通过空间一致的补丁重建强化视觉接口，并以精心策划的生成/编辑数据扩展训练；后训练为美学、双语文字渲染、信息图生成与图像编辑优化专属专家，再以多专家 on-policy 蒸馏整合能力。

核心要点

• 8B-MoT 原生统一架构（无编码器、无 VAE），理解/推理/生成一体。
• 原生分辨率最高 4K；强化图像保真、文字渲染、复杂构图与多参考编辑。
• 将开源训练代码（SFT、RL、on-policy 蒸馏），验证多模态理解可迁移到视觉规划与创作。

为什么重要

原生统一建模把“感知—推理—创造”放进端到端框架，指向能同时看懂、想清并生成视觉内容的系统。

关键事实速记

• 提交：2026-09-10；类型：8B-MoT 原生统一视觉模型。
• 特性：无编码器/无 VAE、原生 4K。
• 开源：训练代码（SFT/RL/蒸馏）。