商湯發布 SenseNova U1 Pro：多模態模型競爭轉向複雜任務交付

一、發生了什麼

7月18日，在2026世界人工智慧大會（WAIC）上，商湯科技正式發布大模型家族旗艦產品 SenseNova U1 Pro。商湯將其定位為面向長程任務的“交付級”原生多模態智能體基座，目標是讓模型從單次內容生成，進一步參與複雜任務中的理解、規劃、執行、檢查和修正。

SenseNova U1 Pro屬於“日日新 SenseNova U”系列旗艦版本，重點覆蓋視覺設計、資訊圖表、簡報、影片分鏡和科學圖解等場景。商湯表示，產品預覽版本已經開啟邀請測試，正式版本預計於2026年8月面向公眾開放，並同步推出定價和API服務。

二、為什麼值得關注

從生成內容轉向交付結果

傳統生成式模型通常圍繞一次提示生成圖片或其他內容，而商湯希望透過U1 Pro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，並最終交付相對完整的視覺結果。

商湯將這一方向概括為從“Generation”走向“Delivery”，並將其與代碼領域從Copilot、Vibe Coding到Agentic Coding的演進進行類比。若這一產品方向能夠穩定落地，視覺模型的競爭重點將不再只是單張圖片的畫面品質，也包括資訊組織、風格一致性、細節修改和任務完成能力。

視覺模型開始進入生產流程

U1 Pro面向的並非單一娛樂化圖片生成，而是企業資訊圖和PPT、商業海報、電商產品視覺、科學圖解、影視概念設計以及動漫分鏡等工作流。其產品定位顯示，商湯試圖將多模態模型進一步嵌入辦公、商業設計和內容生產流程。

不過，當前公開資訊主要來自商湯發布資訊和媒體報導，尚不足以獨立證明該模型在不同實際工作流中的穩定性和效率。

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：

• 專業化視覺設計：強調構圖、色彩和排版效果，目標是減少傳統生成式圖像中的“AI感”。
• 原生8K輸出：最高支援8K原生解析度，面向超長、超大和高資訊密度的視覺內容創作。
• 圖文與細節控制：加強對文字、圖像、版式和細節關係的處理，適用於資訊圖、簡報和複雜知識圖解。
• 長程 Agentic 閉環：支援圍繞複雜目標進行數十輪智能體生成循環，並支援整體風格與局部文本的同步編輯。

商湯展示的案例包括：先規劃影片劇情世界觀、角色設定、服裝武器和環境色調，再生成最多22個邏輯一致的連續分鏡；以及將體育比賽中的晉級路徑、球員對位、戰術體系、傳球網路和觸球熱力圖整合為高清圖表報告。

此外，商湯還展示了包含城市地標和高密度文字資訊的4:1超寬畫幅作品，用於說明模型在長畫布、複雜排版和圖文融合方面的能力。

四、技術路線與證據邊界

商湯稱，U1 Pro底層採用 NEO-unify 內核架構，試圖在原生多模態體系中統一語言與視覺表徵，以減少理解和生成之間的割裂。

商湯還表示，其開源的 SenseNova-Vision 統一視覺大模型已經將實例分割、目標檢測等傳統視覺任務納入通用大模型能力，公司希望以此加強多模態智能體對視覺世界的理解。

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、上下文長度或完整技術報告。原生8K、低文字錯誤率和數十輪智能體循環等能力，主要來自商湯發布資訊及媒體轉述，仍需要公開樣例、第三方基準測試和真實使用者反饋進一步驗證。

五、接下來值得關注什麼

1. 正式版是否按計劃開放：預覽版已開啟邀請測試，正式版預計於2026年8月上線，後續需要觀察實際發佈時間和開放範圍。
2. API與定價：商湯計劃推出相應API服務，計費方式、調用限制、推理速度和8K輸出成本將直接影響企業採用。
3. 第三方評測結果：模型在文字準確率、複雜排版、長程任務完成度、風格一致性和多輪修改方面的獨立表現仍待驗證。
4. 與同系列產品的差異：U1 Pro與SenseNova U1、U1-Fast在能力、速度、價格和適用場景上的區別，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”和“Seko”等產品中得到驗證，但目前尚未披露具體調用規模、客戶留存或收入貢獻。

結語

SenseNova U1 Pro的發布，反映出多模態模型競爭正在從單張圖片的生成品質，延伸到複雜任務的規劃、迭代和結果交付。商湯試圖透過原生8K、圖文控制和長程智能體循環，把視覺模型從創作工具推進為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開放情況、API價格、第三方評測和真實使用者反饋。

原始來源

36氪

!正文圖片