Ditulis oleh Jin Lei dari Shanghai QubitAI | Akun Resmi QbitAI
Baru saja, komunitas pembuatan gambar kedatangan model domestik baru—
Bukan cuma bisa menghasilkan gambar 8K asli langsung, tapi juga model yang bisa buat sketsa sendiri, desain sendiri, bahkan periksa PR!
Lihat, gambar super super panjang 8K di bawah ini, adalah hasil karyanya:
△ Ukuran gambar ini terbatas, file aslinya 51M, tulisan tetap jelas saat diperbesar
Tema gulungan super panjang ini adalah "WAIC 9 Tahun 2018—2026"; dari kiri ke kanan, waktu berjalan berurutan, dan mencakup highlight dari setiap penyelenggaraan.
Mungkin Anda bertanya-tanya, gambar sebesar ini, detailnya bisa akurat nggak ya?
Pertanyaan bagus, mari kita "ambil kaca pembesar" dan mengamati lebih detail lagi:
Setiap huruf jelas, setiap huruf jelas.
Inilah model baru yang baru saja diluncurkan oleh SenseTime di WAIC 2026—SenseNova U1 Pro.
Secara sederhana, U1 Pro adalah sistem penyampaian yang ditujukan untuk tugas multimodal kompleks, ia perlu menyelesaikan target dengan pemahaman, perencanaan, organisasi informasi, generasi multimodal, pemeriksaan perbaikan, dan penyampaian akhir, intinya adalah kesatuan asli antara pemahaman, generasi, dan aksi.
Setelah melihat keseluruhan peluncuran, kita bisa merangkum keunggulan U1 Pro menjadi tiga poin berikut:
Output 8K Asli: Fokusnya bukan cuma piksel lebih tinggi, tapi juga mempertahankan kejelasan teks, komposisi, dan detail dalam kanvas super besar;
Pemikiran Bergantian Teks-Gambar: Model bisa menyelesaikan target secara berurutan mulai dari sketsa, penyempurnaan, pewarnaan, pemeriksaan, hingga penyesuaian;
Berorientasi Penyampaian Produk Jadi: Skenario yang dituju SenseTime mencakup infografis, perencanaan kota, storyboard film, poster akademik, dan desain komersial, berharap model lebih sedikit mengandalkan "gacha", lebih banyak hasil yang benar-benar bisa langsung dipakai.
Jika model gambar generasi sebelumnya lebih soal siapa yang gambarnya lebih mirip, siapa yang lebih cepat keluarkan gambar, maka U1 Pro sepertinya mendorong masalah selangkah lebih jauh:
Bisakah sebuah gambar dikerjakan dengan sedikit campur tangan manusia untuk merapikan, tapi menyelesaikan seluruh pekerjaan sendiri?
Untuk menguji efek nyata U1 Pro, kami beri dia empat soal ujian lagi.
Hasilkan "24 Musim" Versi 8K
Uji pertama, terus menguji kanvas super panjang U1 Pro.
Kami menyuruhnya membuat gambar 8K horizontal dengan tema 24 Musim (Jieqi).
Tugas ini sebenarnya menguji kemampuan AI menangkap detail, misalnya nama dan urutan 24 musim tidak boleh salah; setiap musim harus sesuai dengan fenomena alam dan warna musim yang tepat; 24 unit vertikal perlu dibedakan satu sama lain, sekaligus mempertahankan gaya visual yang utuh; transisi warna dari musim semi ke musim dingin juga harus alami.
Mari lihat gambar yang dihasilkan U1 Pro:
Dilihat secara keseluruhan, model memang memasukkan 24 node ke dalam tata letak horizontal yang sama.
Ia tidak mengolah hasilnya menjadi 24 wallpaper dengan ukuran sama dan tidak saling terkait. Ketinggian pegunungan, posisi tanaman, dan ruang kosong di setiap kotak bervariasi, sehingga gambar memiliki ritme yang mirip kombinasi tirai dan gulungan panjang.
Jadi U1 Pro sudah jelas merupakan pemain yang stabil dalam menghasilkan gambar super panjang 8K.
Uji kedua, kami menyuruhnya mendesain sebuah poster visual laboratorium tingkat tinggi, dengan judul "Bagaimana Mesin Mengamati dan Memahami Manusia".
Prompt meminta di tengah gambar muncul sosok manusia membelakangi kamera, tubuh sedikit miring, dengan kepala dan tubuh bagian atas bertumpuk bingkai deteksi, sumbu koordinat, lingkaran geometris, lintasan gerak, pelacakan pandangan, kisi spasial, dan node data.
Mari lihat detailnya:
Yang cukup mengejutkan adalah, biasanya model gambar generasi begitu menyebut kata kunci "teknologi", "robot", kebanyakan mungkin akan memilih nuansa biru teknologi.
Tapi U1 Pro langsung menghindari hal itu, garis-garis emas gelap, latar belakang hitam, dan tekstur kertas membentuk hierarki visual yang cukup lengkap. Fokus pusat jelas, informasi padat, namun gambarnya tidak sepenuhnya kacau.
Soal ketiga, adalah gambar lanskap arsitektur gaya kuno dengan tekstur kaca patri.
Dalam permintaan sekaligus muncul pegunungan hijau kebiruan, sungai biru, air terjun, pagoda, gerbang gunung, paviliun, jembatan koridor, istana, hutan persik, pohon pinus, awan keberuntungan, serta sebuah bangunan futuristik dengan bahasa struktur Timur.
Untuk material, tubuh gunung harus seperti kaca patri, giok, dan enamel yang dibakar bersama, permukaannya memiliki sorotan bergerak, lapisan glasir, dan garis pinggir emas; permukaan air harus memiliki transparansi dan pantulan; bangunan tidak boleh berubah menjadi model 3D murahan.
Hasil yang dihasilkan U1 Pro adalah sebagai berikut:
Dari gambar akhir yang dihasilkan, model mampu mengorganisir tubuh gunung kaca patri, sistem perairan, bangunan kuno, dan bangunan futuristik menjadi dunia yang relatif utuh, sudah menunjukkan kemampuannya dalam mengeksekusi permintaan gaya yang kompleks.
Tiga soal pertama semua adalah adegan besar, gambar super panjang, dan tata letak kompleks. Oleh karena itu, untuk tugas terakhir, kami coba sesuatu yang bisa langsung diserahkan dan bersifat komersial—poster film.
Promptnya sebagai berikut:
Desain poster film orisinal, keseluruhan merupakan poster jadi dengan tingkat penyelesaian tinggi yang bisa langsung digunakan untuk promosi rilis, atmosfer berada di antara puisi Timur, epik misteri, dan film seni modern, memiliki daya pukau visual dan estetika tinggi yang kuat.
Dalam hasil akhir, sekali lagi, setiap huruf jelas, dan kesan keseluruhannya adalah yang bisa langsung dipakai untuk keperluan komersial!
Setelah melihat empat soal, keunggulan U1 Pro ternyata tidak hanya pada 8K.
Ia lebih ahli dalam mengorganisir gambar di sekitar satu target utuh, memasukkan informasi, tata letak, karakter, material, dan gaya ke dalam satu tugas yang sama.
Selain itu, seperti diagram struktur, gambar yang bisa dikomersilkan, dll., U1 Pro semuanya bisa menanganinya:
Dari Sekali Hasilkan Gambar, ke Memeriksa Sendiri
Kesamaan dari beberapa gambar dalam uji coba, sudah tidak hanya pada kualitas gambar.
Baik itu gambar panjang 24 musim, poster kompleks, atau lanskap kaca patri, U1 Pro perlu mengingat banyak kelompok persyaratan sekaligus, dan terus memproses informasi, komposisi, gaya, dan detail dalam gambar yang sama.
Ini juga berkaitan dengan masalah yang sangat nyata dalam alat pembuatan gambar saat ini.
Sekarang banyak model sudah bisa dimodifikasi berulang kali dengan bahasa alami, tapi begitu tugasnya sedikit kompleks, hasilnya masih mudah lepas kendali. Perbaiki satu bagian lokal, area lain ikut berubah; gambarnya terlihat profesional, tapi tulisan dan strukturnya tidak tahan diperiksa; setelah beberapa putaran modifikasi, tekstur, karakter, dan latar belakang mungkin juga bisa melenceng.
CEO SenseTime Xu Li meringkas masalah ini di tempat sebagai:
Bisa berinteraksi, tidak sama dengan bisa diserahkan.
Arah yang dipilih U1 Pro adalah memperpanjang sekali pembuatan gambar menjadi satu set alur kerja kreatif berkelanjutan.
"Berpikir" yang dimaksud di sini, bukan menampilkan rangkaian penalaran teks panjang kepada pengguna, melainkan lebih mendekati kreasi berkelanjutan yang dilakukan secara bergantian antara gambar dan teks.
Dalam proses komunikasi dengan QubitAI, Lin Dahua, Pendiri Bersama dan Chief Scientist SenseTime, menyatakan:
SenseTime sudah mengamati kemunculan awal kreasi berkelanjutan pada tahap U1. Model bisa menggambar sketsa dulu, lalu melengkapi detail, mewarnai, dan secara bertahap menghasilkan gambar utuh. Tim juga melihat dari sini bahwa model visual memiliki kesempatan mendekati cara kerja desainer, mendorong kemampuan pembuatan gambar ke arah produksi nyata desain konten.
Dengan demikian, setelah masuk ke U1 Pro, alur kerja ini lebih lanjut diperluas menjadi sebuah siklus tertutup:
Memahami target, merencanakan tugas, mengorganisir informasi, menghasilkan konten, memeriksa masalah, terus memperbaiki, dan akhirnya menyelesaikan penyerahan.
Ambil contoh gulungan panjang 9 tahun WAIC yang kami tunjukkan di awal, model harus mencerna data sembilan tahun terlebih dahulu, lalu memutuskan bagaimana peristiwa didistribusikan, bagaimana transisi antar tahun, bagaimana pegunungan dan kota diorganisir, di mana informasi teks ditempatkan, dan akhirnya tetap mempertahankan gaya visual Timur yang seragam.
8K Asli, Kesulitannya Jauh Lebih Dari Sekadar Tambah Beberapa Piksel
Meskipun menghasilkan langsung 8K adalah salah satu tagline U1 Pro yang sangat mencolok, kesulitan di balik peningkatan resolusi yang signifikan juga meningkat berkali-kali lipat.
Karena semakin tinggi resolusinya, jumlah Token visual juga akan bertambah, perhitungan Attention dan penggunaan memori grafis pun ikut naik.
Untuk ini, salah satu solusi kunci yang diadopsi SenseTime adalah menggunakan Patch besar 32×32.
Seperti kata Lin Dahua, model gambar generasi umum mungkin menggunakan Patch 16×16. Jika satu Patch sesuai dengan satu atau sekelompok Token, setelah panjang sisi diperbesar dua kali lipat, jumlah total Token visual bisa turun menjadi seperempatnya.
Ini setara dengan membagi gambar menjadi kotak-kotak yang lebih besar, kotak berkurang, tekanan perhitungan menurun; tetapi pada saat yang sama, kotak besar juga lebih mudah kehilangan detail.
Untuk mengatasi masalah ini, tim menambahkan adaptive Noise Control, menggunakan strategi pelatihan yang lebih ditargetkan untuk area detail; Patch mempertahankan tumpang tindih tertentu, sekaligus melakukan optimasi pada spatial sampling, desain Loss, dan struktur model.
Cara-cara ini bersama-sama mengontrol skala konteks, menghindari ledakan pertumbuhan karena 8K, sekaligus berusaha mempertahankan huruf kecil, tekstur, dan struktur.
Kesimpulannya, U1 Pro memperbesar kotak, kurangi total dulu, lalu melalui tumpang tindih dan pelatihan yang lebih halus, cari kembali detail di dalam kotak besar.
Pembuatan Gambar, Juga Meniru Jalan AI Coding
Dari perspektif industri, bagian yang lebih menarik dari U1 Pro adalah ia sesuai dengan perubahan paradigma produk.
Untuk memahami perubahan ini, kita sebenarnya bisa melihat AI Coding.
AI Coding awalnya adalah Copilot, membantu pengembang profesional melengkapi kode; kemudian Vibe Coding, pengguna mengungkapkan kebutuhan dengan bahasa alami; selanjutnya, Coding Agent mulai membongkar tugas, menulis kode, memanggil alat, menguji dan memperbaiki, menangani rekayasa lengkap.
Nilai model juga bergeser dari "berapa baris kode yang ditulis", ke "apakah bisa menyelesaikan proyek".
Dan konten multimodal, juga sedang mengalami perubahan serupa:
Tahap pertama adalah generasi titik tunggal.
Tahap kedua adalah intent-driven, pengguna dapat terus memodifikasi.
Tahap ketiga mengarah pada penyampaian konten tingkat sistem.
Model tidak hanya menghasilkan satu gambar, tetapi juga harus memahami target, mengorganisir informasi, menjaga konsistensi jangka panjang, memeriksa kesalahan, dan menyerahkan hasil yang bisa digunakan.
Inspirasi yang diberikan Coding kepada SenseTime adalah, begitu sebuah teknologi melampaui batas industri, benar-benar membawa perubahan produktivitas, maka ada peluang membuka ruang komersial yang lebih besar.
SenseTime kemudian menilai, pemikiran bergantian teks-gambar dan kesatuan pemahaman-generasi, juga mungkin membuka jalur diferensiasi desain visual ini.
Tentu saja, U1 Pro saat ini belum bisa dikatakan sempurna.
Karena generasi asinkron berarti pengguna harus menukar waktu tunggu untuk tingkat penyelesaian yang lebih tinggi; kemampuan penyuntingan, biaya, dan stabilitas masih memerlukan validasi dari proyek nyata; skenario desain profesional juga tidak hanya bergantung pada satu gambar akhir, lapisan, elemen vektor, manajemen versi, dan kolaborasi tim juga penting.
Tapi yang pasti, arahnya sudah menjadi jelas—
Saat pembuatan gambar meninggalkan "gacha" berulang, dan mulai bertanggung jawab atas hasilnya, persaingan Agen multimodal, baru benar-benar dimulai.
Artikel ini berasal dari akun resmi WeChat "量子位" (ID:QbitAI), penulis: Fokus pada Teknologi Terdepan
