金磊 发自 上海量子位 | 公众号 QbitAI
刚刚,生图圈杀出一个新国产模型——
不仅原生8K直出,还是会自己打草稿、做设计、检查作业的那种!
瞧,下面这张超超超超长的8K图,就是它做出来的:
△此图片大小受限,原图51M,放大后字迹清晰
这幅超长卷的主题,是“WAIC九周年2018—2026”;从左往右,时间依次铺开,并且把每一届的亮点内容都涵盖了进来。
或许你会有疑问了,这么大的图,细节能稳吗?
好问题,我们这就“拿着放大镜”再细细品鉴一下:
字字清晰,字字清晰。
这,便是商汤刚刚在WAIC 2026上最新发布的的新模型——日日新SenseNova U1 Pro。
简单来说,U1 Pro是一套面向复杂多模态任务的交付系统,它要围绕目标完成理解、规划、信息组织、多模态生成、检查修正和最终交付,内核是理解、生成、行动的原生统一。
在看完整体的发布之后,我们可以把U1 Pro的亮点归拢为如下三点:
原生8K输出:重点不只是像素更高,还在于超大画幅里继续维持文字、构图和细节;
图文交错思维:模型可以围绕目标连续完成草图、细化、着色、检查和调整;
面向成品交付:商汤瞄准的场景包括信息图、城市规划、影视分镜、学术海报和商业设计,希望模型少一些反复抽卡,多一些真正能拿去用的结果。
如果说以前的生图模型,比的是谁画得更像、谁出图更快,那U1 Pro更像是把问题再往前推一步:
一张图能不能少靠人收拾残局,自己把整套活做完?
为了检验U1 Pro真实效果,我们又给它出了四道题。
生成8K版“十二四节气”
第一个实测,继续考验一下U1 Pro的超长画幅。
我们让它围绕二十四节气,生成一张横向展开的8K长图。
这个任务其实考的还是AI抓细节的能力,比如24个节气的名称和顺序不能乱;每个节气要对应合适的物候与季节颜色;24个竖向单元需要彼此区分,同时保持完整的视觉风格;从春到冬的色彩也要自然过渡。
来看下U1 Pro生成的图:
从整体看,模型确实把24个节点放进了同一套横向版式里。
它没有把结果处理成24张尺寸相同、彼此无关的壁纸。每一格的山水高度、植物位置和留白都在变化,画面因此有了类似屏风和长卷结合的节奏。
所以U1 Pro已经是稳稳能够输出8K超长图的选手了。
第二个实测,我们让它设计一张高级实验室视觉海报,主体就叫做《机器如何观察和理解人类》。
Prompt要求画面中央出现一位背对镜头、略微侧身的人物,头部和上半身叠加检测框、坐标轴、几何圆、运动轨迹、视线追踪、空间网格和数据节点。
来看下细节:
比较意外的是,一般生图模型只要提到的“科技”、“机器人”等关键词,大多数可能都会选择科技蓝的色调。
但U1 Pro直接避开了这一点,暗金线条、黑色背景与纸张颗粒感,形成了比较完整的视觉层级。中心焦点明确,信息量很高,画面却没有完全失控。
第三道题,是一幅琉璃质感的古风建筑山河图。
要求里同时出现青绿色山脉、蓝色河流、瀑布、宝塔、山门、亭台、廊桥、宫殿、桃花林、松树、祥云,以及一座带有东方结构语言的未来建筑。
材质方面,山体要像琉璃、玉石和珐琅共同烧制,表面有流动高光、釉面层次和金色描边;水面要有通透感和反射;建筑则不能变成廉价的3D模型。
U1 Pro生成的结果如下:
从最终生成图来看,模型能够把琉璃山体、水系、古建和未来建筑组织成相对完整的世界,已经体现出它对复杂风格要求的执行力。
前三题全是大场景、超长图和复杂排版,因此,最后一个任务,我们尝试一下可以直接交付的、商业化的电影海报。
Prompt如下:
设计一张原创电影海报,整体为高完成度、可直接上映宣传使用的成片海报,气质介于东方诗意、悬疑史诗与现代艺术电影之间,具有强烈的视觉冲击力和高级审美。
最终结果中,依旧是字字清晰,并且整体效果就是那种可以直接商用的感觉!
四道题看下来,U1 Pro的长处并不只在8K。
它更擅长围绕一个完整目标组织画面,把信息、版式、人物、材质和风格放进同一次任务里。
除此之外,像结构图、可商用图等等,U1 Pro都是能hold得住的:
从一次生图,到自己检查
实测中几张图的共同点,已经不只在画质。
无论是二十四节气长图,还是复杂海报和琉璃山河,U1 Pro都需要同时记住多组要求,并在同一张画面里持续处理信息、构图、风格和细节。
这也对应了当前生图工具里一个很实际的问题。
如今不少模型已经可以通过自然语言反复修改,但任务稍微复杂一点,结果依然容易失控。改对一个局部,其他区域跟着变化;画面看起来很专业,文字和结构却经不起检查;多改几轮后,纹理、人物和背景也可能逐渐跑偏。
商汤CEO徐立在现场将这一问题概括为:
能交互,不等于能交付。
U1 Pro选择的方向,是把一次生图拉长成一套连续的创作流程。
这里所说的“思考”,并非向用户展示一长串文字推理,更接近图像与文字交错进行的连续创作。
在商汤联合创始人、首席科学家林达华与量子位的交流过程中,他表示:
商汤在U1阶段已经观察到连续创作的雏形。模型可以先画草图,再补充细节、着色,逐步生成完整图像。团队也由此看到,视觉模型有机会接近设计师的工作方式,将生图能力推向内容设计的真实生产环节。
由此,进入U1 Pro后,这套流程进一步扩展成一条闭环:
理解目标、规划任务、组织信息、生成内容、检查问题、持续修正,最后完成交付。
以我们最开始展示的WAIC九周年长卷为例,模型要先消化九年资料,再决定事件如何分布、年份之间如何衔接、山水和城市怎样组织、文字信息放在哪里,最后还要保持统一的东方视觉风格。
原生8K,难点远不止多几个像素
虽然8K直出,是这次U1 Pro非常亮眼的一个标签,但分辨率大幅提高背后带来的难度,也是同倍增加。
因为分辨率越高,视觉Token数量也会增加,Attention的计算量和显存占用随之上涨。
对此,商汤采用的一个关键方案是使用32×32的大Patch。
正如林达华所说,常见生图模型可能采用16×16 Patch,如果一个Patch对应一个或一组Token,边长扩大一倍后,视觉Token总数可以降到原来的四分之一。
这相当于把一张图划分成更大的格子,格子少了,计算压力会降低;但与此同时,大格子也更容易丢细节。
为了解决这个问题,团队又加入了自适应Noise Control,对细节区域使用更有针对性的训练策略;Patch之间保留一定重叠,同时在空间采样、Loss设计和模型结构上进行优化。
这些手段共同控制上下文规模,避免8K带来爆炸式增长,同时尽量保住小字、纹理和结构。
总结来说,U1 Pro把格子放大,先减少总量,再通过重叠和更精细的训练,把大格子内部的细节找回来。
生图,也在复刻AI Coding的路
从行业角度看,U1 Pro更值得关注的地方,是它对应了一次产品范式变化。
要理解这种变化,我们其实可以看下一下AI Coding。
AI Coding最早是Copilot,帮助专业开发者补全代码;接着是Vibe Coding,用户用自然语言表达需求;再往后,Coding Agent开始拆解任务、写代码、调用工具、测试和修复,承担完整工程。
模型价值也从“写了多少行代码”,转向“能不能把项目做出来”。
而多模态的内容,也正在出现相似变化:
第一阶段是单点生成。
第二阶段是意图驱动,用户可以持续修改。
第三阶段则指向系统级内容交付。
模型不只生成一张图,还要理解目标、组织信息、保持长程一致性、检查错误,并交付可以使用的结果。
Coding给商汤带来的启发,是一项技术一旦突破工业红线,真正带来生产力变化,就有机会打开更大的商业空间。
商汤由此判断,图文交错思维和理解生成统一,也可能打开视觉设计这条差异化赛道。
当然,U1 Pro目前还不能说是完美。
因为异步生成意味着用户要用等待时间换更高完成度;编辑能力、成本和稳定性仍需真实项目验证;专业设计场景也不会只依赖一张最终图片,图层、矢量元素、版本管理和团队协作同样重要。
但可以确定的是,方向已经变得清楚——
当生图告别反复抽卡,开始对结果负责,多模态Agent的竞争,才算真正开场。
本文来自微信公众号 “量子位”(ID:QbitAI),作者:关注前沿科技
