日日新 U1.5

是什么

日日新 U1.5（SenseNova U1.5）是商汤科技的新一代多模态模型，权重开放。2026 年 7 月 31 日，先出现了一个专注原生 4K 生成的预览版本；8 月 20 日，正式版本 SenseNova-U1.5-8B-MoT 发布^[1]。它是一个 80 亿参数的 mixture-of-transformers 模型，用同一套网络完成图像理解、推理和生成，既不依赖外部的视觉编码器，也不依赖 VAE^[2]。权重以 Apache License 2.0 发布^[1]。

「不依赖外部视觉编码器和 VAE」听起来很技术，落到实际使用上就是：模型看一张图、想一个问题、再画一张图，全程在同一个网络内部完成，中间不需要把信息交给另一个专门负责「看图」或「画图」的模块。多模态模型常见的做法是把几个专门网络拼起来，拼装的麻烦在于各模块的分工与接口都要单独对齐；把这几件事统一到一套参数里，正是 U1.5 这一代所做的事^[2]。

怎么处理图像

U1.5 不把图像先送进一个单独的编码器，而是直接把图像当作 token 序列：每 32×32 像素的区域算作一个视觉 token^[2]。按这个切法，一张 4096×4096 的图就是 128×128 个区域，token 数量随图像面积增长，这也是为什么分辨率越高，「怎么切块」这件事越关键。

生成端，U1.5 换上了新的空间解码器（spatial decoder），取代 U1 中逐 patch 的 MLP 头，正是这个部件让它能原生生成最高 4096×4096 的图像^[2]。「原生」的意思是，模型直接产出这个分辨率的画面，而不是先画一张小图再放大。

公布的成绩

商汤公布的文本侧成绩是：MMLU-Pro 86.67、C-Eval 90.41、IFEval 93.35、IFBench 69.00^[2]。这几个基准里，MMLU-Pro 和 C-Eval 考的是知识与推理类题目，IFEval 和 IFBench 考的是指令遵循，即模型能不能按要求的形式和约束把任务完成。

图像生成侧：GenEval 0.92、DPG-Bench 88.11、CVTG-2K 0.948^[2]。商汤称，GenEval 的 0.92 是开源模型中的最好成绩，DPG-Bench 的 88.11 位居表现最好的开源模型之列，CVTG-2K 的 0.948 则在其评测过的所有模型中整体表现最好^[2]。GenEval 考察的是生成的图像与提示词的对应程度，可以从一个侧面反映模型「照要求画」的能力。需要说明的是，这些都是发布方自己组织的对比，具体的评测设置、对比对象和复现条件，要看技术报告。

技术报告与后续

技术报告在 2026 年 9 月 11 日发布。商汤同时表示，会把监督微调（SFT）、强化学习（RL）和 on-policy distillation 的训练代码开源^[1][2]。配合宽松的许可，这意味着使用者不只是拿到权重，也有机会拿到把模型调到可用状态的那部分流程^[1]。9 月 24 日，SenseNova-U1.5-8B-MoT 的 LoRA-8step-V2 变体发布，视觉质量有所提升^[1]。

在发展中的位置

U1.5 是 SenseNova U1 的后继版本^[1]。它延续的方向很清楚：把「看」「想」「画」放进同一套参数，而不是靠拼接专门模块来实现多模态；同时把权重和训练流程一并开放，让外部研究者能够检查、微调与比较^[2]。