商汤发布 SenseNova U1 Pro：多模态模型竞争转向复杂任务交付

一、发生了什么

7月18日，在2026世界人工智能大会（WAIC）上，商汤科技正式发布大模型家族旗舰产品 SenseNova U1 Pro。商汤将其定位为面向长程任务的“交付级”原生多模态智能体基座，目标是让模型从单次内容生成，进一步参与复杂任务中的理解、规划、执行、检查和修正。

SenseNova U1 Pro属于“日日新 SenseNova U”系列旗舰版本，重点覆盖视觉设计、信息图表、演示文稿、视频分镜和科学图解等场景。商汤表示，产品预览版本已经开启邀请测试，正式版本预计于2026年8月面向公众开放，并同步推出定价和API服务。

二、为什么值得关注

从生成内容转向交付结果

传统生成式模型通常围绕一次提示生成图片或其他内容，而商汤希望通过U1 Pro处理更长链路的任务：模型需要理解复杂目标，持续进行多轮创作与修改，并最终交付相对完整的视觉结果。

商汤将这一方向概括为从“Generation”走向“Delivery”，并将其与代码领域从Copilot、Vibe Coding到Agentic Coding的演进进行类比。若这一产品方向能够稳定落地，视觉模型的竞争重点将不再只是单张图片的画面质量，也包括信息组织、风格一致性、细节修改和任务完成能力。

视觉模型开始进入生产流程

U1 Pro面向的并非单一娱乐化图片生成，而是企业信息图和PPT、商业海报、电商产品视觉、科学图解、影视概念设计以及动漫分镜等工作流。其产品定位显示，商汤试图将多模态模型进一步嵌入办公、商业设计和内容生产流程。

不过，当前公开信息主要来自商汤发布信息和媒体报道，尚不足以独立证明该模型在不同实际工作流中的稳定性和效率。

三、公开信息与产品能力

据商汤介绍，SenseNova U1 Pro主要具备以下能力：

• 专业化视觉设计：强调构图、色彩和排版效果，目标是减少传统生成式图像中的“AI感”。
• 原生8K输出：最高支持8K原生分辨率，面向超长、超大和高信息密度的视觉内容创作。
• 图文与细节控制：加强对文字、图像、版式和细节关系的处理，适用于信息图、演示文稿和复杂知识图解。
• 长程 Agentic 闭环：支持围绕复杂目标进行数十轮智能体生成循环，并支持整体风格与局部文本的同步编辑。

商汤展示的案例包括：先规划视频剧情世界观、角色设定、服装武器和环境色调，再生成最多22个逻辑一致的连续分镜；以及将体育比赛中的晋级路径、球员对位、战术体系、传球网络和触球热力图整合为高清图表报告。

此外，商汤还展示了包含城市地标和高密度文字信息的4:1超宽画幅作品，用于说明模型在长画布、复杂排版和图文融合方面的能力。

四、技术路线与证据边界

商汤称，U1 Pro底层采用 NEO-unify 内核架构，试图在原生多模态体系中统一语言与视觉表征，以减少理解和生成之间的割裂。

商汤还表示，其开源的 SenseNova-Vision 统一视觉大模型已经将实例分割、目标检测等传统视觉任务纳入通用大模型能力，公司希望以此加强多模态智能体对视觉世界的理解。

目前公开材料尚未披露U1 Pro的参数规模、训练数据、推理成本、上下文长度或完整技术报告。原生8K、低文字错误率和数十轮智能体循环等能力，主要来自商汤发布信息及媒体转述，仍需要公开样例、第三方基准测试和真实用户反馈进一步验证。

五、接下来值得关注什么

1. 正式版是否按计划开放：预览版已开启邀请测试，正式版预计于2026年8月上线，后续需要观察实际发布时间和开放范围。
2. API与定价：商汤计划推出相应API服务，计费方式、调用限制、推理速度和8K输出成本将直接影响企业采用。
3. 第三方评测结果：模型在文字准确率、复杂排版、长程任务完成度、风格一致性和多轮修改方面的独立表现仍待验证。
4. 与同系列产品的差异：U1 Pro与SenseNova U1、U1-Fast在能力、速度、价格和适用场景上的区别，可能影响用户选择。
5. 商业化进展：商汤称相关能力已在“小浣熊”和“Seko”等产品中得到验证，但目前尚未披露具体调用规模、客户留存或收入贡献。

结语

SenseNova U1 Pro的发布，反映出多模态模型竞争正在从单张图片的生成质量，延伸到复杂任务的规划、迭代和结果交付。商汤试图通过原生8K、图文控制和长程智能体循环，把视觉模型从创作工具推进为更完整的生产力系统。

这一定位能否成立，最终仍取决于正式版的开放情况、API价格、第三方评测和真实用户反馈。

原始来源

36氪

!正文图片