商汤发布 SenseNova U1.5 技术报告，开源 8B-MoT 原生统一模型
🔥 𝗦𝗲𝗻𝘀𝗲𝗡𝗼𝘃𝗮 𝗨𝟭.𝟱 𝗧𝗲𝗰𝗵𝗻𝗶𝗰𝗮𝗹 𝗥𝗲𝗽𝗼𝗿𝘁 𝗶𝘀 𝗼𝘂𝘁.
商汤发布 SenseNova U1.5 技术报告，推出开源的 8B-MoT 原生统一模型，通过共享注意力连接理解与生成，并公开 SFT、RL 与多专家 on-policy 蒸馏的完整训练配方。报告显示，加入 CoT 后 WISE 从 0.70 提升至 0.81，RealUnify-GEU 相比 U1-SFT 从 47.5 升至 56.3，视觉推理在 VBVR-Pro-Bench 上达 68.2%，高于 Nano-Banana-Pro 的 56.4% 和 GPT-Image-2 的 50.7%。模型采用 Pixel Shuffle 加 3×3 空间卷积实现原生 4K 生成，并通过多专家 on-policy 蒸馏整合美学、OCR、信息图与编辑能力。
正文
当前显示原文，中文全文译文尚未就绪。
🔥 𝗦𝗲𝗻𝘀𝗲𝗡𝗼𝘃𝗮 𝗨𝟭.𝟱 𝗧𝗲𝗰𝗵𝗻𝗶𝗰𝗮𝗹 𝗥𝗲𝗽𝗼𝗿𝘁 𝗶𝘀 𝗼𝘂𝘁. From capability coexistence to 𝗴𝗲𝗻𝘂𝗶𝗻𝗲 𝗰𝗮𝗽𝗮𝗯𝗶𝗹𝗶𝘁𝘆 𝗶𝗻𝘁𝗲𝗿𝗮𝗰𝘁𝗶𝗼𝗻. An open-source 8B-MoT native unified model that goes beyond "seeing + drawing."
Inside: ✨ 𝗡𝗮𝘁𝗶𝘃𝗲 𝗠𝗼𝗧 — understanding & generation connected through shared attention ✨ 𝗦𝗽𝗮𝘁𝗶𝗮𝗹𝗹𝘆 𝗝𝗼𝗶𝗻𝘁 𝗥𝗲𝗰𝗼𝗻𝘀𝘁𝗿𝘂𝗰𝘁𝗶𝗼𝗻 — Pixel Shuffle + 3×3 spatial convolutions for native 4K generation and stronger spatial coherence ✨ 𝗦𝗽𝗲𝗰𝗶𝗮𝗹𝗶𝘇𝗲 ➡️ 𝗨𝗻𝗶𝗳𝘆 — aesthetics, OCR, infographics & editing experts consolidated via Multi-Expert On-Policy Distillation ✨ 𝗥𝗲𝗮𝘀𝗼𝗻𝗶𝗻𝗴 ➡️ 𝗚𝗲𝗻𝗲𝗿𝗮𝘁𝗶𝗼𝗻 — WISE 0.70 ➔ 0.81 with CoT ✨ 𝗚𝗲𝗻𝗲𝗿𝗮𝘁𝗶𝗼𝗻 ➡️ 𝗨𝗻𝗱𝗲𝗿𝘀𝘁𝗮𝗻𝗱𝗶𝗻𝗴 — RealUnify-GEU 47.5 ➔ 56.3 vs. U1-SFT ✨ 𝗩𝗶𝘀𝘂𝗮𝗹 𝗥𝗲𝗮𝘀𝗼𝗻𝗶𝗻𝗴 — 68.2% on VBVR-Pro-Bench, ahead of Nano-Banana-Pro (56.4%) and GPT-Image-2 (50.7%)
Full training recipes — SFT, RL & multi-expert on-policy distillation — are open-sourced.