# 商汤开源 SenseNova-U1：不卷参数卷架构，把图像理解和生成塞进同一个模型

> 原标题：不卷参数卷架构，这个开源模型把图像理解和生成统一了

- 来源：量子位 · 公众号
- 发布时间：2026-04-28T12:56:00.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/11836
- 原文：https://mp.weixin.qq.com/s?__biz=MzIzNjc1NzUzMw==&mid=2247887537&idx=1&sn=67703ab483decc9a6e33b26c07636b5e

## 摘要

商汤放出了两个开源模型 SenseNova-U1，一个 8B 参数，另一个是总参数量 38B 的 MoE 版本，都用了一套叫 NEO-unify 的架构。它砍掉了传统的视觉编码器和 VAE，直接处理像素，在单张 H100 或 H200 上大概 9 秒能生成一张 2048×2048 的图。核心卖点是图文交错推理，也就是模型能边看文字边看图、边想边出图。

## 推荐理由

商汤开源两个 SenseNova-U1 模型，用 NEO-unify 架构去掉视觉编码器和 VAE 直接处理像素，单张 H100 或 H200 约 9 秒生成一张 2048×2048 图像。

## 锐评

砍掉视觉编码器和 VAE 直接吃像素，这个方向我认。多模态模型里 VE 和 VAE 一直是两套额外要训、要调、要占显存的东西，能省掉就是省成本，9 秒出一张 2048 的图在单张 H100 上不算慢。8B 和 38B MoE 两个尺寸开源出来，做多模态的团队至少有个能拆能改的底子。

图文交错推理听着好，但 32K 上下文和连续图文还是 beta，别当成熟方案用。先拿 8B 那版跑跑看再说。
