SenseNova-U1.5 预览：商汤科技推出 4K 图像生成与编辑

**商汤科技（SenseTime）**已开源 SenseNova-U1.5-8B-MoT（预览版），这是其 U 系列原生统一多模态模型的最新成员。该预览版基于 NEO-unify 架构构建，专注于图像生成与编辑：它可以根据文本生成最高 原生 4K 图像，并能针对单张或多张参考图像执行详细的编辑指令。

SenseNova-U1.5（预览版）的技术进展概览

该版本是原始 SenseNova-U1 系列的后续版本，同时开源了预训练启动器和配置文件。模型权重可在 Hugging Face 和 ModelScope 上获取。

U1.5 的改进

从逐补丁预测到补丁联合重建

原始的 U1 使用 MLP 头独立重建每个 RGB 补丁，这会在高分辨率下将 token 边界暴露为网格图案。U1.5 采用通过 ConvDecoder 实现的渐进式空间重建：视觉 token 被重塑为二维特征网格，并通过多个 Pixel Shuffle 阶段进行上采样，中间使用 3x3 卷积让相邻补丁相互交互并融合为连续图像。这大幅抑制了网格状伪影，并提高了下游微调时的鲁棒性。

从指令遵循到视觉保持

U1.5 对其图像编辑语料库进行了大规模清洗、筛选和合成，改善了中英文平衡，并扩大了对单图像和多图像参考场景的覆盖。这种无编码器架构仅使用单序列的参考图像 token，就能实现强大的指令遵循以及主体身份和结构保持。

从格式暴露到跨任务泛化

尽管生成和编辑语料库只包含简单的 JSON 格式提示词，U1.5 仍能很好地泛化到长且结构化的指令。这表明原生统一多模态建模无需专门的提示词模板训练，就能跨任务迁移理解能力和视觉规划技能。

示例展示：文生图

SenseNova-U1.5 生成的细节丰富的复古广告海报，展示了密集文本渲染和复杂布局控制能力

具有精细纹理和光照细节的照片级真实水下场景

示例展示：图像编辑

涵盖风格迁移、主体身份保持和区域可控修改的编辑示例

基准测试亮点

在 Qwen-Image Bench 上，U1.5-Preview 在每一个类别上都优于原始 U1，其中美学和一致性方面的提升最大。启用 Prompt Enhance（PE）后，预览版的综合得分为 55.17（英文）/ 55.22（中文），与同一评测中的 Qwen Image 2 相当。

在图像编辑方面，U1.5-Preview 在 ImgEdit-Bench 上的综合得分达到 4.37（高于 U1 的 3.90），在 WeEdit 上的平均得分为 6.852，在所报告的对比中优于 Qwen-Image-2、FireRed-Image-Edit 和 LongCat-Image-Edit。

ComfyUI 支持

社区开发者 smthemex 已在 ComfyUI_SenseNova_U1 自定义节点包中添加了 U1.5 支持，覆盖 GGUF、INT8 和 FP8 权重格式（参见 smthem/SenseNova-U1-8B-MoT-Merger-gguf）。该节点包还支持 A3B-MoT MoE 变体、8 步 LoRA 和 Infographic-V3 模型。

点击放大。该自定义节点包内置了文生图和图生图的即用示例工作流。

要本地运行，请安装自定义节点，并将量化权重放入 ComfyUI/models/gguf/ 或 ComfyUI/models/diffusion_models/ 目录：

cd ComfyUI/custom_nodes
git clone https://github.com/smthemex/ComfyUI_SenseNova_U1
pip install -r ComfyUI_SenseNova_U1/requirements.txt

获取方式

模型权重： Hugging Face 上的 sensenova/SenseNova-U1.5-8B-MoT-Preview 以及 ModelScope 上的 SenseNova-U1.5-8B-MoT-Preview
代码： OpenSenseNova/SenseNova-U1（推理、训练和 PE 工具）
论文： arXiv 2605.12500
ComfyUI 节点： smthemex/ComfyUI_SenseNova_U1

使用官方 Python 推理时，请结合参考实现设置 cfg_scale=4.0、timestep_shift=3.0 和 num_steps=50。SenseN