商湯科技今日正式開源其8B引數多模態模型SenseNova U1.5 Lite，官方宣稱該模型在複雜排版、精準編輯等核心場景上比肩閉源的GPT-Image-2。這是繼三週前釋出Preview版本後的正式版本，商湯在訓練階段引入了多教師線上策略蒸餾技術（MOPD），將多個專項Expert的能力融合回同一個輕量級模型中，以提升指令遵循、視覺偏好和編輯精度。

在官方展示的案例中，SenseNova U1.5 Lite能夠將多張比例、背景各異的圖片整合到一張設計圖中，並精準識別菜品、進行美化；也能通過“框選+標註”方式對圖片區域性進行修改，同時保持非編輯區域的空間關係基本不變。在複雜資訊圖生成任務中，模型需要同時組織長文本、多層級結構、插畫和版式關係，例如將Harvesting、Fermentation、Roasting、Grinding、Tempering到Finished Chocolate六個階段完整呈現。在仿照參考圖的任務中，模型需區分主題內容與底層設計邏輯，保留後者並讓新內容沿原視覺語言生成，例如將教育專案元素替換為廚房相關視覺，同時更新左側資訊。

針對多參考圖任務，模型需分別理解版式風格、人物身份和文字內容，再合成到一張圖中。例如在Radiohead海報案例中，模型將五個人物融入原樂隊區域，並重新壓縮左下角資訊，使“ESSENTIAL LISTENING”融入右側版面。對於簡單的文字替換需求，模型也能保持原有字型樣式和排版佈局不變，僅更新指定區域的內容。

SenseNova U1.5 Lite繼續沿用NEO-unify原生統一多模態架構，將視覺理解、影像生成和編輯置於同一模型內。訓練階段採用“先拆開練，再合回來”的策略：先訓練多個專項Expert，再通過MOPD技術將其能力融合回同一個模型。最終交付時，使用者獲得的仍是一個8B模型，無需外部路由判斷呼叫哪個子模型，也無需在不同模型間切換。商湯在新聞稿中將此概括為“理解與生成雙向反哺”，即視覺語義理解和空間建模形成的結構化認知有助於生成和編輯。

模型還引入了提示詞增強（PE）功能，使用者只需給出簡短需求，PE可將其整理成更完整的創作方案再交給模型執行。商湯強調，隨著AI生圖能力普及，模型能否進入真實工作流的關鍵在於從生成到交付的完整鏈路，包括指令遵循、視覺偏好和編輯精度。SenseNova U1.5 Lite最終仍保持8B引數，沒有疊加外部路由或拆分任務，而是通過專項Expert補強能力後重新收進統一模型，以縮短呼叫鏈路、減輕部署負擔，並保持任務間一致性。

商湯認為，多模態仍是AI走向物理世界、進入生產環節的重要方向，因此本次正式版將大量精力放在穩定性、指令遵循和編輯精度上。這些能力未必像新玩法那樣第一眼抓人，卻直接決定模型能否被真正應用。模型已開源，提供GitHub、Hugging Face倉庫及SenseNova Studio線上體驗。