商汤 ra mắt SenseNova U1 Pro: cạnh tranh của mô hình đa phương thức chuyển sang triển khai tác vụ phức tạp

1. Chuyện gì đã xảy ra

Ngày 18 tháng 7, tại Hội nghị Trí tuệ nhân tạo Thế giới 2026 (WAIC), 商汤科技 chính thức ra mắt sản phẩm chủ lực của dòng mô hình lớn SenseNova U1 Pro. 商汤 định vị sản phẩm này là nền tảng tác nhân đa phương thức nguyên sinh “cấp độ triển khai” dành cho các tác vụ dài hạn, với mục tiêu đưa mô hình từ việc tạo nội dung một lần tiến tới tham gia vào các quy trình phức tạp gồm hiểu, lập kế hoạch, thực thi, kiểm tra và chỉnh sửa.

SenseNova U1 Pro thuộc phiên bản flagship của dòng “日日新 SenseNova U”, tập trung vào các kịch bản như thiết kế thị giác, biểu đồ thông tin, bản trình bày, phân cảnh video và minh họa khoa học. 商汤 cho biết bản xem trước của sản phẩm đã mở thử nghiệm theo lời mời, còn bản chính thức dự kiến mở cho công chúng vào tháng 8 năm 2026, đồng thời sẽ triển khai giá bán và dịch vụ API.

2. Vì sao đáng chú ý

Từ tạo nội dung chuyển sang bàn giao kết quả

Các mô hình sinh nội dung truyền thống thường xoay quanh việc tạo ảnh hoặc nội dung khác từ một prompt duy nhất, còn 商汤 muốn U1 Pro xử lý chuỗi tác vụ dài hơn: mô hình cần hiểu mục tiêu phức tạp, liên tục sáng tạo và chỉnh sửa qua nhiều vòng, rồi cuối cùng bàn giao một kết quả thị giác tương đối hoàn chỉnh.

商汤 khái quát hướng đi này là từ “Generation” sang “Delivery”, và so sánh nó với quá trình tiến hóa trong lĩnh vực mã nguồn từ Copilot, Vibe Coding đến Agentic Coding. Nếu định hướng sản phẩm này có thể được triển khai ổn định, trọng tâm cạnh tranh của mô hình thị giác sẽ không chỉ là chất lượng hình ảnh của một bức ảnh đơn lẻ, mà còn bao gồm tổ chức thông tin, tính nhất quán phong cách, chỉnh sửa chi tiết và năng lực hoàn thành tác vụ.

Mô hình thị giác bắt đầu đi vào quy trình sản xuất

U1 Pro không nhắm tới việc tạo ảnh giải trí đơn lẻ, mà hướng đến các workflow như infographic doanh nghiệp và PPT, poster thương mại, hình ảnh sản phẩm thương mại điện tử, minh họa khoa học, thiết kế ý tưởng phim ảnh và phân cảnh anime. Định vị sản phẩm cho thấy 商汤 đang tìm cách nhúng sâu hơn mô hình đa phương thức vào các quy trình văn phòng, thiết kế thương mại và sản xuất nội dung.

Tuy nhiên, thông tin công khai hiện nay chủ yếu đến từ công bố của 商汤 và các báo cáo truyền thông, chưa đủ để tự mình chứng minh tính ổn định và hiệu suất của mô hình trong các workflow thực tế khác nhau.

3. Thông tin công khai và năng lực sản phẩm

Theo giới thiệu của 商汤, SenseNova U1 Pro chủ yếu có các năng lực sau:

• Thiết kế thị giác chuyên nghiệp: nhấn mạnh hiệu ứng bố cục, màu sắc và trình bày, với mục tiêu giảm bớt “cảm giác AI” thường thấy ở ảnh do mô hình sinh tạo truyền thống.
• Đầu ra native 8K: hỗ trợ độ phân giải gốc tối đa 8K, hướng tới sáng tạo nội dung thị giác siêu dài, siêu lớn và có mật độ thông tin cao.
• Kiểm soát văn bản và chi tiết: tăng cường xử lý quan hệ giữa chữ, hình ảnh, bố cục và chi tiết, phù hợp với infographic, bản trình bày và các sơ đồ tri thức phức tạp.
• Vòng lặp Agentic dài hạn: hỗ trợ chu kỳ sinh tác nhân hàng chục vòng quanh mục tiêu phức tạp, đồng thời hỗ trợ chỉnh sửa đồng bộ phong cách tổng thể và văn bản cục bộ.

Các ví dụ mà 商汤 công bố bao gồm: trước tiên lập kế hoạch bối cảnh câu chuyện, thiết lập nhân vật, trang phục, vũ khí và tông màu môi trường cho video, rồi tạo ra tối đa 22 khung cảnh liên tiếp có logic nhất quán; hoặc tích hợp lộ trình thăng hạng trong thi đấu thể thao, đối đầu cầu thủ, hệ thống chiến thuật, mạng lưới chuyền bóng và bản đồ nhiệt chạm bóng thành báo cáo biểu đồ độ nét cao.

Ngoài ra, 商汤 cũng giới thiệu tác phẩm khổ siêu rộng 4:1 chứa các biểu tượng thành phố và thông tin văn bản mật độ cao, nhằm minh họa năng lực của mô hình trong việc xử lý canvas dài, dàn trang phức tạp và tích hợp văn bản-hình ảnh.

4. Lộ trình kỹ thuật và giới hạn bằng chứng

商汤 cho biết U1 Pro sử dụng kiến trúc lõi NEO-unify ở tầng nền, nhằm thống nhất biểu diễn ngôn ngữ và thị giác trong hệ thống đa phương thức nguyên sinh, từ đó giảm sự tách rời giữa hiểu và sinh.

商汤 cũng cho biết mô hình thị giác thống nhất nguồn mở SenseNova-Vision của họ đã đưa các tác vụ thị giác truyền thống như phân đoạn theo đối tượng, phát hiện mục tiêu vào năng lực của mô hình lớn đa dụng, và công ty hy vọng nhờ đó tăng cường khả năng hiểu thế giới thị giác của các tác nhân đa phương thức.

Hiện tại, tài liệu công khai vẫn chưa tiết lộ quy mô tham số, dữ liệu huấn luyện, chi phí suy luận, độ dài ngữ cảnh hoặc báo cáo kỹ thuật đầy đủ của U1 Pro. Các năng lực như native 8K, tỷ lệ lỗi văn bản thấp và chu kỳ tác nhân hàng chục vòng chủ yếu đến từ thông tin công bố của 商汤 và phần diễn giải của truyền thông, vẫn cần được xác minh thêm qua mẫu công khai, benchmark của bên thứ ba và phản hồi thực tế từ người dùng.

5. Điều gì đáng theo dõi tiếp theo

1. Bản chính thức có mở đúng kế hoạch hay không: bản xem trước đã mở thử nghiệm theo lời mời, bản chính thức dự kiến ra mắt vào tháng 8 năm 2026; cần tiếp tục theo dõi thời điểm phát hành thực tế và phạm vi mở.
2. API và giá bán: 商汤 dự kiến sẽ triển khai dịch vụ API tương ứng; cách tính phí, giới hạn gọi, tốc độ suy luận và chi phí đầu ra 8K sẽ ảnh hưởng trực tiếp đến việc doanh nghiệp có áp dụng hay không.
3. Kết quả đánh giá của bên thứ ba: hiệu suất độc lập của mô hình trong độ chính xác văn bản, dàn trang phức tạp, mức độ hoàn thành tác vụ dài hạn, tính nhất quán phong cách và chỉnh sửa nhiều vòng vẫn cần được kiểm chứng.
4. Khác biệt với các sản phẩm cùng dòng: sự khác nhau giữa U1 Pro với SenseNova U1, U1-Fast về năng lực, tốc độ, giá cả và kịch bản sử dụng có thể ảnh hưởng đến lựa chọn của người dùng.
5. Tiến triển thương mại hóa: 商汤 cho biết các năng lực liên quan đã được kiểm chứng trong các sản phẩm như “小浣熊” và “Seko”, nhưng hiện vẫn chưa công bố quy mô gọi, mức độ giữ chân khách hàng hoặc đóng góp doanh thu cụ thể.

Kết luận

Việc ra mắt SenseNova U1 Pro phản ánh cạnh tranh giữa các mô hình đa phương thức đang dịch chuyển từ chất lượng tạo ra của một bức ảnh đơn lẻ sang lập kế hoạch, lặp lại và bàn giao kết quả của các tác vụ phức tạp. 商汤 đang cố gắng dùng native 8K, kiểm soát văn bản-hình ảnh và vòng lặp tác nhân dài hạn để thúc đẩy mô hình thị giác từ công cụ sáng tạo tiến lên thành một hệ thống năng suất hoàn chỉnh hơn.

Việc định vị này có thành công hay không, cuối cùng vẫn phụ thuộc vào tình hình mở của bản chính thức, giá API, đánh giá của bên thứ ba và phản hồi thực tế từ người dùng.

Nguồn gốc ban đầu

36氪

!Ảnh trong bài