商湯は自社の軽量なネイティブ統合マルチモーダルモデルをオープンソースの舞台に押し上げました。SenseNova U1.5-Lite-Previewは初期プレビュー版であり、ネイティブな NEO-Unify アーキテクチャを基盤としており、複数のモーダルコンテンツを理解し、推論し、生成し、編集することが可能です。最も注目すべき点は、8B-MoTパラメータのみを変更したにもかかわらず、商業用非公開モデルと同等の生成および編集品質を達成したことです。まるで小銃で大規模モデルの競争に立ち向かっているように感じられます。

今回のプレビュー版では実際的なアップグレードが行われています。解像度は最大4Kまで引き上げられ、画像の細部がより豊かになり、視覚的な偽影もより少なくなりました。中英文のテキストレンダリングや複雑なレイアウト構成能力が明確に向上しており、ポスター、インフォグラフィックなどの作業にはより適しています。ビジュアルコントロールがより正確になり、長文や複数の制約条件を持つプロンプトに対しても手間取らなくなりました。ネイティブな画像編集もより信頼性が高くなり、参照画像によるスタイル移行、複数参照画像の合成、局所的なインフォグラフィック編集、テキスト編集がすべて含まれるようになりました。

image.png

初代U1と比べて、いくつかの生成と編集のベンチマークで差が開いています。Qwen-Image-Benchは47.14から55.20（PEを使用）へ上昇し、ImgEdit-Benchは3.90から4.37へ、GEdit-Bench-enは7.47から8.17へ、GEdit-Bench-zhは7.42から8.05へと上がりました。U1からU1.5へと進化する過程において、商湯はこのオープンソースの旅を、基礎モデルレベルでの継続的な革新の象徴としてまとめています。

さらに注目すべきことは、これから始まるものです。クリエイター向けのプロダクションレベルのモデルであるU1Proも間もなく公開ベータテストが始まります。これは、商湯が統合マルチモーダル分野において、「軽量プレビュー」と「プロダクション準備完了」の両方をタイムラインに組み込んでいることを示しています。小さなモデルで門檻を下げ、大きなモデルで真面目な創作のニーズを満たすのです。

プロジェクトのアドレス：https://github.com/OpenSenseNova/SenseNova-U1/blob/feat/u1.5_preview/docs/u1.5_preview.md