這，可能是今年WAIC最驚艷的圖片！

金磊 發(fā)自 上海
量子位 | 公眾號(hào) QbitAI

剛剛，生圖圈殺出一個(gè)新國產(chǎn)模型——

不僅原生8K直出，還是會(huì)自己打草稿、做設(shè)計(jì)、檢查作業(yè)的那種！

瞧，下面這張超超超超長的8K圖，就是它做出來的：

這幅超長卷的主題，是“WAIC九周年2018—2026”；從左往右，時(shí)間依次鋪開，并且把每一屆的亮點(diǎn)內(nèi)容都涵蓋了進(jìn)來。

或許你會(huì)有疑問了，這么大的圖，細(xì)節(jié)能穩(wěn)嗎？

好問題，我們這就“拿著放大鏡”再細(xì)細(xì)品鑒一下

字字清晰，字字清晰。

這，便是商湯剛剛在WAIC 2026上最新發(fā)布的的新模型——日日新SenseNova U1 Pro。

簡單來說，U1 Pro是一套面向復(fù)雜多模態(tài)任務(wù)的交付系統(tǒng)，它要圍繞目標(biāo)完成理解、規(guī)劃、信息組織、多模態(tài)生成、檢查修正和最終交付，內(nèi)核是理解、生成、行動(dòng)的原生統(tǒng)一。

在看完整體的發(fā)布之后，我們可以把U1 Pro的亮點(diǎn)歸攏為如下三點(diǎn)：

• 原生8K輸出：重點(diǎn)不只是像素更高，還在于超大畫幅里繼續(xù)維持文字、構(gòu)圖和細(xì)節(jié)；
• 圖文交錯(cuò)思維：模型可以圍繞目標(biāo)連續(xù)完成草圖、細(xì)化、著色、檢查和調(diào)整；
• 面向成品交付：商湯瞄準(zhǔn)的場景包括信息圖、城市規(guī)劃、影視分鏡、學(xué)術(shù)海報(bào)和商業(yè)設(shè)計(jì)，希望模型少一些反復(fù)抽卡，多一些真正能拿去用的結(jié)果。

如果說以前的生圖模型，比的是誰畫得更像、誰出圖更快，那U1 Pro更像是把問題再往前推一步：

一張圖能不能少靠人收拾殘局，自己把整套活做完？

為了檢驗(yàn)U1 Pro真實(shí)效果，我們又給它出了四道題。

生成8K版“二十四節(jié)氣”

第一個(gè)實(shí)測，繼續(xù)考驗(yàn)一下U1 Pro的超長畫幅。

我們讓它圍繞二十四節(jié)氣，生成一張橫向展開的8K長圖。

這個(gè)任務(wù)其實(shí)考的還是AI抓細(xì)節(jié)的能力，比如24個(gè)節(jié)氣的名稱和順序不能亂；每個(gè)節(jié)氣要對應(yīng)合適的物候與季節(jié)顏色；24個(gè)豎向單元需要彼此區(qū)分，同時(shí)保持完整的視覺風(fēng)格；從春到冬的色彩也要自然過渡。

來看下U1 Pro生成的圖：

從整體看，模型確實(shí)把24個(gè)節(jié)點(diǎn)放進(jìn)了同一套橫向版式里。

它沒有把結(jié)果處理成24張尺寸相同、彼此無關(guān)的壁紙。每一格的山水高度、植物位置和留白都在變化，畫面因此有了類似屏風(fēng)和長卷結(jié)合的節(jié)奏。

所以U1 Pro已經(jīng)是穩(wěn)穩(wěn)能夠輸出8K超長圖的選手了。

第二個(gè)實(shí)測，我們讓它設(shè)計(jì)一張高級(jí)實(shí)驗(yàn)室視覺海報(bào)，主體就叫做《機(jī)器如何觀察和理解人類》。

Prompt要求畫面中央出現(xiàn)一位背對鏡頭、略微側(cè)身的人物，頭部和上半身疊加檢測框、坐標(biāo)軸、幾何圓、運(yùn)動(dòng)軌跡、視線追蹤、空間網(wǎng)格和數(shù)據(jù)節(jié)點(diǎn)。

來看下細(xì)節(jié)：

比較意外的是，一般生圖模型只要提到的“科技”、“機(jī)器人”等關(guān)鍵詞，大多數(shù)可能都會(huì)選擇科技藍(lán)的色調(diào)。

但U1 Pro直接避開了這一點(diǎn)，暗金線條、黑色背景與紙張顆粒感，形成了比較完整的視覺層級(jí)。中心焦點(diǎn)明確，信息量很高，畫面卻沒有完全失控。

第三道題，是一幅琉璃質(zhì)感的古風(fēng)建筑山河圖。

要求里同時(shí)出現(xiàn)青綠色山脈、藍(lán)色河流、瀑布、寶塔、山門、亭臺(tái)、廊橋、宮殿、桃花林、松樹、祥云，以及一座帶有東方結(jié)構(gòu)語言的未來建筑。

材質(zhì)方面，山體要像琉璃、玉石和琺瑯共同燒制，表面有流動(dòng)高光、釉面層次和金色描邊；水面要有通透感和反射；建筑則不能變成廉價(jià)的3D模型。

U1 Pro生成的結(jié)果如下：

從最終生成圖來看，模型能夠把琉璃山體、水系、古建和未來建筑組織成相對完整的世界，已經(jīng)體現(xiàn)出它對復(fù)雜風(fēng)格要求的執(zhí)行力。

前三題全是大場景、超長圖和復(fù)雜排版，因此，最后一個(gè)任務(wù)，我們嘗試一下可以直接交付的、商業(yè)化的電影海報(bào)。

Prompt如下：

設(shè)計(jì)一張?jiān)瓌?chuàng)電影海報(bào)，整體為高完成度、可直接上映宣傳使用的成片海報(bào)，氣質(zhì)介于東方詩意、懸疑史詩與現(xiàn)代藝術(shù)電影之間，具有強(qiáng)烈的視覺沖擊力和高級(jí)審美。

最終結(jié)果中，依舊是字字清晰，并且整體效果就是那種可以直接商用的感覺！

四道題看下來，U1 Pro的長處并不只在8K。

它更擅長圍繞一個(gè)完整目標(biāo)組織畫面，把信息、版式、人物、材質(zhì)和風(fēng)格放進(jìn)同一次任務(wù)里。

除此之外，像結(jié)構(gòu)圖、可商用圖等等，U1 Pro都是能hold得住的

從一次生圖，到自己檢查

實(shí)測中幾張圖的共同點(diǎn)，已經(jīng)不只在畫質(zhì)。

無論是二十四節(jié)氣長圖，還是復(fù)雜海報(bào)和琉璃山河，U1 Pro都需要同時(shí)記住多組要求，并在同一張畫面里持續(xù)處理信息、構(gòu)圖、風(fēng)格和細(xì)節(jié)。

這也對應(yīng)了當(dāng)前生圖工具里一個(gè)很實(shí)際的問題。

如今不少模型已經(jīng)可以通過自然語言反復(fù)修改，但任務(wù)稍微復(fù)雜一點(diǎn)，結(jié)果依然容易失控。改對一個(gè)局部，其他區(qū)域跟著變化；畫面看起來很專業(yè)，文字和結(jié)構(gòu)卻經(jīng)不起檢查；多改幾輪后，紋理、人物和背景也可能逐漸跑偏。

商湯CEO徐立在現(xiàn)場將這一問題概括為：

能交互，不等于能交付。

U1 Pro選擇的方向，是把一次生圖拉長成一套連續(xù)的創(chuàng)作流程。

這里所說的“思考”，并非向用戶展示一長串文字推理，更接近圖像與文字交錯(cuò)進(jìn)行的連續(xù)創(chuàng)作。

在商湯聯(lián)合創(chuàng)始人、首席科學(xué)家林達(dá)華與量子位的交流過程中，他表示：

商湯在U1階段已經(jīng)觀察到連續(xù)創(chuàng)作的雛形。模型可以先畫草圖，再補(bǔ)充細(xì)節(jié)、著色，逐步生成完整圖像。團(tuán)隊(duì)也由此看到，視覺模型有機(jī)會(huì)接近設(shè)計(jì)師的工作方式，將生圖能力推向內(nèi)容設(shè)計(jì)的真實(shí)生產(chǎn)環(huán)節(jié)。

由此，進(jìn)入U(xiǎn)1 Pro后，這套流程進(jìn)一步擴(kuò)展成一條閉環(huán)：

理解目標(biāo)、規(guī)劃任務(wù)、組織信息、生成內(nèi)容、檢查問題、持續(xù)修正，最后完成交付。

以我們最開始展示的WAIC九周年長卷為例，模型要先消化九年資料，再?zèng)Q定事件如何分布、年份之間如何銜接、山水和城市怎樣組織、文字信息放在哪里，最后還要保持統(tǒng)一的東方視覺風(fēng)格。

原生8K，難點(diǎn)遠(yuǎn)不止多幾個(gè)像素

雖然8K直出，是這次U1 Pro非常亮眼的一個(gè)標(biāo)簽，但分辨率大幅提高背后帶來的難度，也是同倍增加。

因?yàn)榉直媛试礁?，視覺Token數(shù)量也會(huì)增加，Attention的計(jì)算量和顯存占用隨之上漲。

對此，商湯采用的一個(gè)關(guān)鍵方案是使用32×32的大Patch。

正如林達(dá)華所說，常見生圖模型可能采用16×16 Patch，如果一個(gè)Patch對應(yīng)一個(gè)或一組Token，邊長擴(kuò)大一倍后，視覺Token總數(shù)可以降到原來的四分之一。

這相當(dāng)于把一張圖劃分成更大的格子，格子少了，計(jì)算壓力會(huì)降低；但與此同時(shí)，大格子也更容易丟細(xì)節(jié)。

為了解決這個(gè)問題，團(tuán)隊(duì)又加入了自適應(yīng)Noise Control，對細(xì)節(jié)區(qū)域使用更有針對性的訓(xùn)練策略；Patch之間保留一定重疊，同時(shí)在空間采樣、Loss設(shè)計(jì)和模型結(jié)構(gòu)上進(jìn)行優(yōu)化。

這些手段共同控制上下文規(guī)模，避免8K帶來爆炸式增長，同時(shí)盡量保住小字、紋理和結(jié)構(gòu)。

總結(jié)來說，U1 Pro把格子放大，先減少總量，再通過重疊和更精細(xì)的訓(xùn)練，把大格子內(nèi)部的細(xì)節(jié)找回來。

生圖，也在復(fù)刻AI Coding的路

從行業(yè)角度看，U1 Pro更值得關(guān)注的地方，是它對應(yīng)了一次產(chǎn)品范式變化。

要理解這種變化，我們其實(shí)可以看下一下AI Coding。

AI Coding最早是Copilot，幫助專業(yè)開發(fā)者補(bǔ)全代碼；接著是Vibe Coding，用戶用自然語言表達(dá)需求；再往后，Coding Agent開始拆解任務(wù)、寫代碼、調(diào)用工具、測試和修復(fù)，承擔(dān)完整工程。

模型價(jià)值也從“寫了多少行代碼”，轉(zhuǎn)向“能不能把項(xiàng)目做出來”。

而多模態(tài)的內(nèi)容，也正在出現(xiàn)相似變化：

• 第一階段是單點(diǎn)生成。
• 第二階段是意圖驅(qū)動(dòng)，用戶可以持續(xù)修改。
• 第三階段則指向系統(tǒng)級(jí)內(nèi)容交付。

模型不只生成一張圖，還要理解目標(biāo)、組織信息、保持長程一致性、檢查錯(cuò)誤，并交付可以使用的結(jié)果。

Coding給商湯帶來的啟發(fā)，是一項(xiàng)技術(shù)一旦突破工業(yè)紅線，真正帶來生產(chǎn)力變化，就有機(jī)會(huì)打開更大的商業(yè)空間。

商湯由此判斷，圖文交錯(cuò)思維和理解生成統(tǒng)一，也可能打開視覺設(shè)計(jì)這條差異化賽道。

當(dāng)然，U1 Pro目前還不能說是完美。

因?yàn)楫惒缴梢馕吨脩粢玫却龝r(shí)間換更高完成度；編輯能力、成本和穩(wěn)定性仍需真實(shí)項(xiàng)目驗(yàn)證；專業(yè)設(shè)計(jì)場景也不會(huì)只依賴一張最終圖片，圖層、矢量元素、版本管理和團(tuán)隊(duì)協(xié)作同樣重要。

但可以確定的是，方向已經(jīng)變得清楚——

當(dāng)生圖告別反復(fù)抽卡，開始對結(jié)果負(fù)責(zé)，多模態(tài)Agent的競爭，才算真正開場。