商汤开源8B多模态大模型：原生4K出图，小模型也能干大活

今天早上刷 GitHub 的时候，看到商汤把 SenseNova U1.5 Lite 开源了，8B 参数，还支持原生 4K 图像输出。说真的，第一反应是：又来一个刷存在感的小模型？但仔细看了下技术细节，发现这玩意儿有点东西，值得聊聊。

8B 参数，凭什么敢碰 4K 出图

先说说这个模型的定位。SenseNova U1.5 Lite 是个轻量级的多模态大模型，主打的就是"小身材干大活"。8B 参数在现在这个动辄百亿千亿的时代确实不算大，但它把力气都用在了刀刃上——原生支持 3-4k 上下文，能同时处理主体、数量、空间关系、文字、布局、风格这些多重约束。

什么意思呢？举个实际场景。你让模型"在红色背景上放三个蓝色瓶子，左边一个大的，右边两个小的，瓶身上写'限定'两个字"。以前很多模型会顾此失彼，瓶子画对了文字糊了，文字对了布局又乱了。官方说这个模型在指令遵循和图像编辑保持度上超过了同量级模型，文字渲染和复杂布局能媲美超大商业模型。

老实说，这种话术我见多了，但有个点确实让我意外——原生 4K 输出。大多数开源模型出图默认 1024×1024 就顶天了，想高清还得靠外部放大，放大完细节经常崩。U1.5 Lite 直接原生输出高分辨率，在 4K 下还能兼顾整体构图和微小肌理，这个对做设计稿、海报的人来说挺实用。

几个让我觉得"有点诚意"的点

一个是图像编辑能力。以前开源的编辑模型，改个局部经常把整个画面都带偏了。它这边强化了主体身份、空间结构、版式关系的保持，局部修改、元素替换、文字精修都能做，还支持多参考图编辑。对电商场景来说，换背景、改文案、调版式这些活儿，确实能省不少事。

另一个是视觉控制方式。支持 Bounding Box、Visual Marker 以及单图多图参考，你可以框定一个区域让它只改那里，也可以给几张参考图让它综合风格。这种精细控制对于想要稳定复现某个效果的人来说，太重要了。

还有中文和复杂排版。说实话，很多开源模型英文排版还行，一到中文海报、信息图就露馅。它这次专门加强了中英文文字、海报、信息图、品牌视觉的能力，从"生成内容"往"组织完整视觉表达"走了一步。

模型地址和我的看法

开源链接我放在下面：GitHub 上是 OpenSenseNova/SenseNova-U1，Hugging Face 有完整的 U1.5 模型集合，魔搭社区也能直接下，搜索 SenseNova-U1.5-8B-MoT 就能找到。

最后说点个人看法。现在开源多模态模型卷得厉害，但很多都是"参数大、能力虚"。商汤这次走的是轻量化路线，8B 就能跑，对普通开发者更友好，至少我这种显卡不宽裕的人能本地试试。不过话说回来，官方宣传的能力是一回事，实际跑起来是不是真那么稳，还得等社区跑完 benchmark 才知道。感兴趣的可以自己拉下来玩两天，反正开源了，好坏自己说了算。