商汤发布 SenseNova U1 Pro：多模态模型竞争正转向复杂任务交付

一、发生了什么

7月18日，在2026世界人工智能大会（WAIC）上，商汤科技正式发布了大模型家族的旗舰产品 SenseNova U1 Pro。商汤将其定位为面向长期任务的“交付级”原生多模态代理基础，目标是让模型不再停留于一次性内容生成，而是参与复杂任务中的理解、规划、执行、检查与修正。

SenseNova U1 Pro 属于“日日新 SenseNova U”系列的旗舰版本，重点覆盖视觉设计、信息图表、演示文稿、视频分镜、科学图解等场景。商汤表示，产品预览版已启动邀请制测试，正式版预计于2026年8月向公众开放，同时提供价格体系和API服务。

二、为什么值得关注

从内容生成走向成果交付

传统生成式模型通常以一次提示词生成图片或其他内容为主，而商汤希望借助 U1 Pro 让模型处理更长流程的任务。模型需要理解复杂目标，持续进行多轮创作与修改，最终交付相对完整的视觉成果。

商汤将这一方向概括为从 “Generation” 走向 “Delivery”，并将其类比为代码领域从 Copilot、Vibe Coding 进化到 Agentic Coding。若这一产品方向能够稳定落地，视觉模型的竞争维度将不再只是单张图片画质，还会扩展到信息组织、风格一致性、细节修正与任务完成能力。

视觉模型开始进入生产流程

U1 Pro 面向的不只是娱乐型图像生成，而是企业信息图、PPT、商业海报、EC商品视觉、科学图解、影视概念设计、动画分镜等工作流。其产品定位显示，商汤正试图将多模态模型进一步嵌入办公、商业设计和内容制作流程。

不过，目前公开信息主要来自商汤的发布资料和媒体报道，尚不足以独立证明其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。

• 专业视觉设计：强调构图、色彩和版式效果，目标是降低传统生成图片中常见的“AI感”。
• 原生8K输出：支持最高8K原生分辨率，面向超长、超大容量、高信息密度的视觉内容制作。
• 图文与细节控制：强化对文本、图像、布局与细节关系的处理，适用于信息图、演示文稿和复杂知识图解。
• 长期 Agentic 闭环：针对复杂目标可进行数十轮代理生成循环，同时编辑整体风格与局部文本。

商汤展示的案例包括：先设计视频故事的世界观、角色设定、服装与武器、环境色调，再生成最多22张逻辑一致的连续分镜。另一个案例则是将体育比赛中的晋级路径、球员对阵关系、战术体系、传球网络、触球热力图整合输出为高精度图表报告。

此外，商汤还展示了一幅包含城市地标和高密度文本信息的4:1超宽画幅作品，用于体现模型在长画布、复杂布局以及图文融合方面的能力。

四、技术路线与证据边界

商汤表示，U1 Pro 底层采用 NEO-unify 核心架构，试图在原生多模态体系中统一语言表征与视觉表征，从而减少理解与生成之间的割裂。

商汤还称，开源的 SenseNova-Vision 统一视觉大模型已将实例分割、目标检测等传统视觉任务纳入通用大模型能力，并希望借此增强多模态代理对视觉世界的理解。

目前公开资料尚未披露 U1 Pro 的参数规模、训练数据、推理成本、上下文长度以及完整技术报告。原生8K、较低的文字错误率、数十轮代理循环等能力，主要基于商汤发布信息和媒体转述，仍需公开样例、第三方基准和真实用户反馈进一步验证。

五、后续值得关注的点

1. 正式版是否会按计划发布：预览版已启动邀请制测试，正式版预计于2026年8月发布，后续需要确认实际公开时间与范围。
2. API与定价：商汤计划提供对应的API服务，计费方式、调用限制、推理速度与8K输出成本将直接影响企业采用。
3. 第三方评测结果：文字准确率、复杂版式、长期任务完成度、风格一致性以及多轮修改中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差别，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、客户留存率和收入贡献。

结语

SenseNova U1 Pro 的发布表明，多模态模型竞争正在从单张图像的生成质量，扩展到复杂任务的规划、迭代与成果交付。商汤希望借助原生8K、图文控制和长期代理循环，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，最终取决于正式版发布情况、API定价、第三方评测以及真实用户反馈。

原始来源

36氪