日日新 U1

是什么

日日新 U1（SenseNova U1）是商汤科技推出的开放权重多模态模型，同一个模型既能理解图像，也能生成图像。初始权重与推理代码于 2026 年 4 月 27 日发布，采用 Apache 2.0 许可协议。^[1] 「开放权重」指训练好的参数本身对外公开，任何人都可以下载、运行和修改模型，而不必只通过厂商提供的接口去调用；Apache 2.0 是一份宽松的许可，允许商业使用。

架构：去掉视觉编码器与 VAE

常见的多模态系统由若干部件拼装而成。视觉编码器（vision encoder）把图像变成语言模型能读的一串特征向量；系统要生成图像时，再由 VAE（变分自编码器，variational autoencoder）把像素压缩进一个紧凑的隐空间，之后再还原成像素。这些部件各自按自己的目标训练，训练好以后才接到语言模型上。

U1 建立在商汤的 NEO-unify 架构上，把视觉编码器和 VAE 两者都去掉，让语言与视觉端到端地建模。^[1] 也就是说，图像和文字在模型内部以相近的形式进出，整个系统作为一体来训练，而不是由几个分别训练的模块串起来。这样做的实际意义在于，理解一侧和生成一侧共用同一套主干，模型在读图时学到的东西可以直接用在画图上。

按商汤的说法，这一系列采用 mixture-of-transformers 主干。^[1]

两套主干

SenseNova-U1-8B-MoT 是稠密（dense）模型：理解部分约 80 亿参数，生成部分也约 80 亿参数。SenseNova-U1-A3B-MoT 则采用混合专家（mixture of experts）。^[1] 混合专家把参数分成许多块，每份输入只经过其中少数几块，因此模型可以拥有比单个 token 实际激活的更多的参数。

能做什么

在理解一侧，模型支持最长 32K token 的上下文，足以容纳一长段图文交错的输入；在生成一侧，默认输出分辨率为 2048x2048。^[1] 这两种能力都出自同一份权重，而不是两个模型互相传话。

发布历程与生态

4 月首发的是 8B 稠密版本。技术报告与 A3B 权重随后于 2026 年 5 月 10 日发布；此后几周又出现了更专门的版本：信息图（infographic）变体权重于 2026 年 5 月 15 日发布，交错（Interleaved）变体于 2026 年 6 月 11 日发布。^[1]

2026 年 10 月 26 日，stable-diffusion.cpp 与 llama.cpp 加入了对它的支持。^[1] 这两个都是用 C 和 C++ 在普通硬件上运行生成模型的开源项目，接入它们意味着 U1 可以脱离商汤自己的推理栈运行。

商汤表示，U1 系列开源不到四个月，GitHub 星标合计已超过 11,000，并在 10 多个国产芯片平台上完成了首日适配。^[2]

在系列中的位置

商汤把 U1 系列分为日日新 U1、U1.5 和 U1.5-Lite。^[2] 这条产品线从 2026 年 4 月的首批开放权重起步，随后通过技术报告、新增与专门化的变体，以及第三方推理框架的支持逐步铺开。^[1]