商湯發表 SenseNova U1 Pro：多模態模型競爭正轉向複雜任務交付

一、發生了什麼

7月18日，在2026世界人工智慧大會（WAIC）上，商湯科技正式發表了大模型家族的旗艦產品 SenseNova U1 Pro。商湯將其定位為面向長期任務的「交付級」原生多模態代理基礎，目標是讓模型不再只停留於單次內容生成，而是進一步參與複雜任務中的理解、規劃、執行、檢查與修正。

SenseNova U1 Pro 屬於「日日新 SenseNova U」系列的旗艦版本，重點覆蓋視覺設計、資訊圖表、簡報資料、影片分鏡、科學圖解等場景。商湯表示，產品預覽版已經開始邀請制測試，正式版預計於2026年8月向大眾開放，並同步提供價格體系與 API 服務。

二、為什麼值得關注

從內容生成走向成果交付

傳統生成式模型通常以一次提示詞產生圖片或其他內容為核心，而商湯希望透過 U1 Pro 讓模型處理更長鏈路的任務。模型需要理解複雜目標，持續進行多輪創作與修改，最終交付相對完整的視覺成果。

商湯將這一方向概括為從「Generation」走向「Delivery」，並類比程式領域中從 Copilot、Vibe Coding 進化到 Agentic Coding 的過程。若這一產品方向能穩定落地，視覺模型的競爭焦點將不只侷限於單張圖片的畫質，也會延伸至資訊整理、風格一致性、細節修正與任務完成能力。

視覺模型開始進入生產流程

U1 Pro 針對的不只是娛樂型圖片生成，而是企業資訊圖表、PPT、商業海報、電商商品視覺、科學圖解、影視概念設計、動畫分鏡等工作流程。其產品定位顯示，商湯正試圖把多模態模型進一步嵌入辦公、商業設計與內容製作流程。

不過，目前公開資訊主要來自商湯的發表資料與媒體報導，對於其在不同實務工作流程中的穩定性與效率，仍不足以提供獨立證明。

三、公開資訊與產品能力

據商湯介紹，SenseNova U1 Pro 主要具備以下能力。

• 專業視覺設計：重視構圖、色彩與版面效果，目標是減少傳統生成圖片常見的「AI感」。
• 原生8K輸出：支援最高8K的原生解析度，面向超長、超大容量、高資訊密度的視覺內容製作。
• 圖片與文字、細節控制：加強對文字、圖片、版面與細節關係的處理，適用於資訊圖表、簡報資料與複雜知識圖解。
• 長期 Agentic 閉環：針對複雜目標可進行數十輪代理生成循環，讓整體風格與局部文字同時可編輯。

商湯展示的案例包括：先設計影片故事的世界觀、角色設定、服裝與武器，以及環境色調，之後生成最多22張邏輯一致的連續分鏡。另有將體育賽事中的升降級路徑、球員對戰關係、戰術體系、傳球網路與觸球熱區整合，輸出為高精度圖表報告的示例。

此外，商湯也展示了包含城市地標與高密度文字資訊的4:1超寬畫幅作品，體現模型在長畫布、複雜版面與圖文融合方面的能力。

四、技術路線與證據限制

商湯表示，U1 Pro 底層採用 NEO-unify 核心架構，並在原生多模態體系中統一語言表達與視覺表達，以減少理解與生成之間的斷裂。

商湯還指出，開源的 SenseNova-Vision 統一視覺大模型，將實例分割、目標檢測等傳統視覺任務納入通用大模型能力之中，希望藉此強化多模態代理對視覺世界的理解。

目前公開材料尚未披露 U1 Pro 的參數規模、訓練資料、推理成本、上下文長度與完整技術報告。原生8K、較低的文字錯誤率、數十輪代理循環等能力，主要仍基於商湯的發表資訊與媒體轉述，仍需透過公開樣例、第三方基準測試與真實使用者回饋進一步驗證。

五、未來值得關注的重點

1. 正式版是否會如期推出：預覽版已開始邀請制測試，正式版預計於2026年8月發布，後續需要確認實際上線時間與範圍。
2. API 與定價：商湯計畫提供對應的 API 服務，計費方式、呼叫限制、推理速度與8K輸出成本都將直接影響企業導入。
3. 第三方評測結果：文字準確率、複雜版面、長期任務完成度、風格一致性與多輪修改表現，仍有待獨立驗證。
4. 與同系列產品的差異：U1 Pro 與 SenseNova U1、U1-Fast 在能力、速度、價格與適用場景上的差異，可能影響使用者選擇。
5. 商業化進展：商湯稱相關能力已在「小浣熊」與「Seko」等產品中驗證，但目前尚未披露具體呼叫規模、客戶留存率與營收貢獻。

結語

SenseNova U1 Pro 的發表顯示，多模態模型競爭正在從單一圖片生成品質，延伸到複雜任務的規劃、反覆迭代與成果交付。商湯正試圖透過原生8K、圖文控制與長期代理循環，將視覺模型從創作工具推向更完整的生產力系統。

這一定位能否成立，最終仍取決於正式版的推出情況、API 定價、第三方評測，以及實際使用者回饋。

原始來源

36氪