商汤U1 Pro：从生图走向交付

商汤把多模态模型的目标，从生成一张图改成完成一项工作

商汤科技于7月18日在2026世界人工智能大会（WAIC）发布旗舰模型 SenseNova U1 Pro，定位是面向长程任务的“交付级原生多模态智能体基座”。它不只负责理解图片或按照提示词生成内容，而是试图在一个连续工作流中完成理解、规划、生成、检查、修改和交付。

SenseNova U1 Pro 是一款统一处理语言与视觉信息，并能围绕复杂目标持续采取行动的原生多模态模型。 商汤给它划出的重点并不是聊天能力，也不是单张图片的审美上限，而是复杂信息图、商业视觉、连续分镜和数据可视化等需要多轮决策的生产任务。

预览版本目前已经开启邀请测试，商汤计划随着推理资源扩容逐步放开范围。正式版本预计于 2026年8月 面向公众上线，届时才会公布定价及相关服务方案。截至今天，即2026年7月19日，模型参数规模、上下文长度、推理价格以及可复现的完整基准成绩仍未披露。

这意味着，U1 Pro现在更像一次技术路线和产品方向的正式亮相，而不是开发者已经可以全面评测、计算成本并接入生产环境的成熟发布。

“交付级”不是更好看的营销说法

交付级多模态智能体是能够围绕一个复杂目标持续规划、执行、检查和修正，并最终产出可直接使用成果的系统。 这个定义与传统文生图工具的差别，在于评价标准从“这张图好不好看”变成“这项工作有没有完成”。

传统生成模型的典型工作方式是单轮抽样。用户给出提示词，模型生成若干图片；文字出错、构图不对或人物不一致，就修改提示词再抽一次。它可以快速给灵感，却经常需要用户亲自充当项目经理、编辑、审稿人和后期设计师。

U1 Pro试图解决的正是这种“反复抽卡”。按照商汤的产品设想，一个视觉任务不再被拆成互相割裂的多次生成，而是由模型维持目标、素材、版式、角色和逻辑关系，在执行过程中主动发现问题并修正。

商汤将多模态创作的演进划分为三个阶段：

1. 真实感生成阶段：核心目标是把图做得像，解决清晰度、光影和材质问题。
2. 自然语言编辑阶段：用户可以通过对话持续修改图片，但任务控制权仍主要在人手中。
3. 系统级交付阶段：模型理解最终用途，自主拆解步骤，并输出具备一致性和可用性的完整成果。

这个判断并不新奇，但很实际。代码智能体已经从补全几行代码，走到读取仓库、修改多个文件、运行测试并提交结果；视觉模型如果仍停留在“每次只生成一张图”，就很难进入严肃的商业工作流。

NEO-unify要解决的是多模态系统的“层层转述”

NEO-unify 是商汤为语言和视觉建立统一表征空间的原生多模态架构。 商汤表示，该架构不再沿用视觉编码器、语言模型和图像解码模块简单拼接的传统路线，而是让语言与视觉信息进入共享表征，并更深入地参与模型各层计算。

很多多模态系统更像一个临时组建的项目组：视觉编码器先负责看图，再把结果转换成语言模型能够接收的表示；语言模型完成理解和推理后，又把指令交给图像生成模块。每一次模块交接，都可能丢失空间关系、排版结构、像素细节和文本约束。

统一架构更像让同一个人从头到尾负责项目。它不需要把“看到什么”“应该怎么改”和“最终画成什么”在多个系统之间来回翻译，因此理论上更容易保存上下文，也更适合连续编辑、跨图片一致性和视觉反馈闭环。

这条路线的价值不只在生图。商汤此前开源的SenseNova-Vision尝试把目标检测、实例分割等经典视觉任务纳入通用模型能力，而不是继续调用一组互相独立的专家模型。如果这些能力能够与生成和智能体规划真正统一，模型就可以先检测画面元素，再判断布局问题，最后直接完成编辑。

不过，统一表征并不自动等于稳定交付。长程任务还会受到规划错误累积、视觉状态记忆、工具调用失败以及自我检查失准等因素影响。U1 Pro是否比模块化方案更稳定，最终仍需要任务成功率、平均修改轮次和推理成本等数据证明。

U1 Pro重点押注四种能力

U1 Pro的产品重心是设计完成度、超清输出、图文细节控制和长程闭环，而不是单纯追求图片真实感。 商汤将它的核心交付能力概括为四项：

• 设计美感：降低模板感和常见的“AI味”，让输出更接近商业设计成品。
• 原生8K输出：直接生成适合大屏、印刷和高分辨率展示的视觉内容。
• 图文细节控制：处理高密度文字、图标、布局和局部元素约束。
• 长程Agentic闭环：围绕目标连续规划、执行、检查并修正结果。

原生8K是其中最直观的参数，但分辨率不能单独代表质量。把低质量内容放大到8K并不困难，真正有价值的是放大后文字是否正确、图标是否完整、边缘是否干净，以及高密度信息能否保持逻辑对应关系。

文字准确率则是更值得观察的指标。商业海报、教学图解和数据报告中，一个错字、错误数字或标签错位就足以让整张图无法交付。U1 Pro强调图文控制，显然是在争夺普通文生图模型最难进入的生产场景。

22个连续分镜，考验的不是单帧画质

连续分镜任务是检验多模态模型长程一致性的有效场景。 商汤展示的案例中，U1 Pro先规划剧情世界观、主角与敌人人设、服装武器和沙漠环境色调，再一次输出 22个逻辑连续的分镜，随后配合商汤视频创作工具完成进一步制作。

22个分镜的难点不是生成22张漂亮图片，而是让第1张出现的角色到第22张仍然是同一个人，让武器、服装、光线和镜头语言服务于同一段叙事。传统模型通常会在连续生成中逐步漂移：脸型变了、服装细节丢了、左右手道具交换了，甚至人物关系也会发生变化。

如果U1 Pro能够在较少人工干预下稳定维持22个镜头，它会比单张图跑分更有产品价值。不过目前公开材料展示的仍是精选案例，尚没有披露多次运行成功率、平均重试次数以及人工修正比例，外界还不能据此判断其稳定性。

另一个案例是一幅 4:1超宽画幅 的宣纸水墨长卷，用来串联2018年至2026年九届WAIC的发展历程。这个任务同时要求风格统一、地标准确、时间线连贯和高密度小字可读，实际上更接近一份复杂设计稿，而不是普通艺术生成。

从信息搜集到一图说清，办公场景可能比艺术创作更重要

数据向视觉的转换能力，是U1 Pro最有机会形成商业价值的方向。 商汤展示的世界杯分析任务涵盖晋级路径、核心球员对位、战术体系、传球网络和触球热力图，模型需要完成信息搜集、分析推理和视觉报告生成，而不是只负责最后一步画图。

这类任务过去通常横跨研究员、数据分析师和设计师三个角色。研究员收集资料，分析师整理结论，设计师再把数字变成图表。任何一个环节发生信息转述，都可能造成数据与图形不对应。

统一模型的潜在优势是让“结论”和“视觉表达”处在同一上下文中。模型知道某个数字为什么重要，也知道它应该被放在标题、主图还是脚注中。对于企业汇报、电商运营、课程制作和研究报告，这比多生成几种艺术风格更有实际意义。

但数据可视化同样是高风险能力。图片看起来专业，并不代表其中的数字、比例和因果关系正确。企业真正采用这类系统之前，仍需要来源追踪、事实核验、可编辑图层以及结构化数据导出等机制，不能把最终PNG当作可信数据库。

与SenseNova U1 Lite相比，Pro补的是“任务长度”

SenseNova U1 Lite 是商汤在2026年4月开源的轻量级理解生成统一模型系列。 公开版本包括基于稠密骨干网络的 SenseNova-U1-8B-MoT，以及采用混合专家骨干网络的 SenseNova-U1-A3B-MoT。

商汤称，U1 Lite在图像理解、生成、编辑、空间智能和视觉推理等测试中达到同量级开源模型的领先水平，并可执行连续图文创作。U1 Pro则把重点进一步推向复杂任务规划、视觉审查和系统级交付。

| 对比项 | SenseNova U1 Lite | SenseNova U1 Pro | |---|---|---| | 发布时间 | 2026年4月 | 2026年7月18日 | | 产品定位 | 轻量级原生理解生成统一模型 | 旗舰级长程多模态智能体基座 | | 已披露规格 | 8B-MoT、A3B-MoT | 尚未公布参数规模 | | 开放方式 | 已开源基础版本 | 预览版邀请测试 | | 核心任务 | 图像理解、生成、编辑与连续图文创作 | 复杂视觉规划、执行、检查与交付 | | 输出能力 | 商业级图像与信息图生成 | 原生8K、复杂图文控制、连续分镜 | | 正式可用时间 | 已有公开模型资源 | 计划2026年8月开放 | | 定价 | 开源模型可自行部署，成本取决于硬件 | 尚未公布 |

这张表也暴露了当前发布最明显的缺口：U1 Pro的模型规模、部署要求、推理速度和价格全部未知。对于开发者而言，“能不能做”只是第一层问题，“每次多少钱、等多久、失败几次”才决定它能不能进入生产环境。

商汤已有用户和工作流，但数据需要拆开看

SenseNova U1已经积累了一定的真实工作流使用量。 商汤披露，2026年6月U1用户人均每日生图量较5月提升近 3倍；截至7月中旬，SenseNova U1及集成其能力的SenseNova-Skills相关代码库在GitHub合计获得超过 8000个Star。

这组数据说明用户生成频次在上升，却不能直接证明任务成功率提高。人均生图量增长可能来自更深度使用，也可能意味着用户为了获得可用结果而增加重试。因此，更关键的数据应当是首轮通过率、平均修改次数、任务完成时间和最终素材采用率。

U1 Pro相关能力已经在商汤的产业级AI产品“小浣熊”和视频创作工具Seko中验证。商汤称这些产品覆盖数以千万计的个人用户、接近 1万家企业用户 以及一批AI原生组织，但目前没有单独披露U1 Pro的活跃用户规模和企业付费转化情况。

这次发布有方向感，但还缺一张能核验的成绩单

U1 Pro最值得肯定的地方，是它把多模态竞争从单张样片拉回了完整任务。 在图片模型已经普遍能够生成高质量人物和场景之后，真正影响商业采用的瓶颈正在转向文字、版式、一致性、事实正确性和多轮修改成本。

商汤在视觉AI领域的积累，使其有理由选择这条路线。目标检测、分割、空间理解、图片生成和视频制作本来就是商汤长期投入的能力，把这些能力统一进智能体工作流，比单独追逐通用聊天模型更符合其技术资产。

U1 Pro当前最大的疑问，则是“交付级”仍主要由官方案例定义。商汤尚未公布统一任务基准、第三方盲测结果或与同类旗舰模型的量化对比，也没有披露完成22镜头分镜需要多少时间和算力。

正式版上线时，至少有五项数据值得开发者重点关注：

1. 复杂任务一次成功率，而不是最佳样例质量；
2. 文字与数字准确率，尤其是中文小字和高密度信息图；
3. 连续角色一致性，包括人物、服装、道具和场景状态；
4. 端到端任务延迟与价格，包括规划、重试和8K输出成本；
5. 结果可编辑性与可追溯性，包括图层、数据来源和中间步骤。

现阶段可以下的判断是：U1 Pro不是一次简单的生图模型升级，而是商汤对多模态智能体产品形态的押注。它提出的问题是对的——用户真正需要的不是再抽一张图，而是少返工、能修改、可核验并最终交差。

至于U1 Pro能否把“交付级”从发布会概念变成可量化的产品标准，要等到2026年8月正式开放、价格与测试数据公布之后才能确认。

参考来源

• GitHub：SenseNova U1相关仓库检索 — 用于查看SenseNova U1及社区相关项目的代码仓库、活跃度与Star数据。
• GitHub：SenseNova-Skills相关仓库检索 — 用于查找围绕SenseNova模型构建的Skills与工作流资源。
• Hugging Face：SenseNova U1模型检索 — 用于核对公开模型资源、模型卡及社区部署信息。