商汤发布日日新SenseNova U1 Pro，面向长程任务的交付级原生多模态智能体基座

AI正在经历一次重要的转变：从生成一段内容、一次回答，走向完成一个长程任务、实现系统级交付。代码产品已经率先走过了这条路：从Copilot辅助专业开发者，到Vibe Coding通过自然语言表达意图，再到Agentic Coding围绕目标完成规划、执行、检查和交付。如今，多模态内容创作正在经历同样的演进。7月18日，在由全国工商联人工智能委员会、上海市工商联人工智能专委会及世界人工智能大会组委会主办、商汤科技承办的“基座大模型架构创新与生态合作论坛”上，商汤科技正式发布面向长程任务的交付级原生多模态智能体基座——日日新SenseNova U1 Pro，行业正式告别传统的“单点式内容生成（Generation）”，全面迈向能够闭环完成复杂、长程任务的“系统级内容交付（Delivery）”新时代。

商汤科技董事长兼CEO徐立在演讲中表示：“多模态AI正沿着清晰的长程路径演进：从最初解决‘生成美’的单点创作，到可交互的可控生成，再到今天正式迈向系统级交付。当理解、规划、生成、校验、修正进入完整长程闭环，行业长期存在的可控不代表可交付的瓶颈将被打破。”

SenseNova U1 Pro的长程演进：

从「抽卡」到「交付」

从SenseNova U1实现理解与生成的原生统一，到SenseNova-Vision完成经典视觉能力的原生融合，商汤在多模态技术路线上持续沉淀、迭代进化，正式推出大模型家族的重量级旗舰新品——SenseNova U1 Pro（以下简称U1 Pro）。当前，多模态AI大多还停留在“Vibe Creation”阶段——能生成、可修改，但局部调整容易破坏整体结构，专业内容经不起细节校验，没有打穿交付门槛。真实的视觉任务远不止“生成一张图片”，一套完整的视觉任务需要同时满足内容理解、信息组织、图文关系、版式层级、文字准确、细节呈现、风格统一等多重要求。

SenseNova U1 Pro 围绕“一个复杂目标，持续理解、规划、执行、检查和修正”，带来了四大核心交付能力：巅峰设计美感，告别“AI味”：图像生成从“细节逼真”推进到“专业设计美感”的全新阶段，作品具备极强的构图、色彩与排版美学，直接实现专业交付品质。原生 8K 超清输出：最高可支持 8K 原生分辨率输出，轻松驾驭高信息密度的超长、超大图创作。画幅放大后，文字、线条、图标和模块关系仍然清晰稳定，经得起印刷、展览级细节检验。极致的图文与细节控制：大幅加强了图文信息整合分析能力。在极高信息密度下，U1 Pro 仍能维持整体版式与内容表达，文字渲染出错率极低。长程 Agentic 闭环思维：内生支持长程图文交错思维，能够围绕复杂目标进行数十轮的 Agentic Generation Loop（智能体生成循环）。并在最新版本中，进一步实现了整体风格与局部文本的同步精准可控编辑，让交付结果可被持续修改与使用。

这种强大的视觉创作能力和交付级品质，打开了很多商业应用可能性。从企业服务领域、品牌营销、教育出版到创意娱乐，SenseNova U1 Pro可广泛胜任信息图、演示文稿、宣传海报、科普图解、影视分镜、数字艺术等各类图像内容创作。

沿着“从可控生成，不断逼近可交付”的路线，过去两个月内，商汤对U1进行了三次快速迭代，复杂排版稳定性、小字渲染精度、背景一致性均实现大幅提升。

7月15日版本：进一步强化编辑能力，支持同步调整整体风格和部分文本，并通过圈选方式对局部内容进行精准修改，从稳定生成走向可控编辑

真实用户数据显示，今年6月，U1用户人均日生图量跃升至3倍达到107张。在GitHub上，U1和Skills两个代码库的GitHub Star持续增长，合计超过8500。大量用户已将其纳入真实工作流，用于复杂内容的理解、生成与持续修改，完成各类内容生产任务。

近期正式开源的SenseNova-Vision，打破了传统多专家模型拼接的方案，将检测、分割、深度估计等经典视觉任务变为大模型原生能力，实现从“执行工具”到“世界理解模型”的蜕变，成为多模态深度理解物理世界构建感知底座。在U1理解生成统一和SenseNova-Vision原生视觉能力的基础上，全新的SenseNova U1 Pro，正是打造面向长程任务的交付级原生多模态智能体基座。WAIC九周年长卷：一次系统级交付的证明。

WAIC九周年长卷

一次系统级交付的证明

为了展示“面向长程任务的交付级”的含义，徐立在现场展示了一幅由SenseNova U1 Pro生成的WAIC九周年长卷。四年前，中央美术学院邱志杰教授曾为WAIC五周年创作《智会世图》，它通过一幅复杂的地图，把大会历程、人工智能发展、上海产业生态和大量人物事件放进同一个视觉系统。今天，SenseNova U1 Pro现场尝试完成了一个更复杂的九周年任务，通过东方水墨风格的长卷地图，以完整视觉叙事串联九年AI产业关键节点。

WAIC九周年（2018-2026）水墨长卷全景。这是一项高信息密度、超大画幅、长时间跨度的系统级视觉交付任务，不仅需要覆盖2018至2026年九年大会历程，还要理解每一年独特的主题定位、标志性事件和产业节点；保持4:1的超宽长卷结构的同时，通过山脉、河流、城市、道路、云雾自然衔接形成统一风格的连续叙事，内容不能有明显拼接缝和现代UI式硬贴文字；远看是一幅完整的山海城市长卷，近看还需容纳大量可读的中英文文字与细节信息。（受限于上传规格，画质有所压缩）最终，SenseNova U1 Pro生成的整条长卷时间叙事连贯、信息层级清晰、东方美学风格统一，局部放大后细节依然精准，实现了从信息堆叠到完整视觉叙事的跨越。

WAIC 2018：首届WAIC启航，画面呈现了WAIC起点、AI PARK、上海城市地标和AI进入城市的入口，展现了2018年AI第一次以大会的方式，系统性地进入城市、产业和公共生活。下方的七大AI+主题，形象地展现了WAIC关注的不只是技术概念，更是让AI成为可亲身体验的真实场景。SenseNova U1 Pro的能力不止于静态图像——它可以在视频创作前端完成世界观搭建、角色设定、镜头规划、分镜统一等完整视觉规划，为后续视频生成提供稳定的视觉蓝图。

《沙影之刃》世界观设定&22镜分镜总览（受限于上传规格，画质有所压缩）以现场展示的《沙影之刃》荒漠遭遇战视频任务为例，SenseNova U1 Pro首先输出完整的世界观设定与22个连续分镜，确保人物在不同镜头中保持一致、动作与剧情前后连贯、远景与特写共同服务同一条故事线。有了完整的视觉蓝图，再通过Seko完成视频生成，这让视频创作从随机抽卡，走向对人物、剧情和视觉语言都更加可控的内容交付。

当图像、视频、音频、版式、空间等更多模态进入同一个长程闭环，整个任务半径就会明显扩大，AI将具备解决更复杂真实任务的能力，，并能够解锁非常多的任务。不只能读懂要求、编写代码，还可以理解视觉内容、空间关系、连续镜头和真实场景，并在任务执行中持续检查和修正，最终做到“多模态系统级交付”。One more thing!一个月前，商汤小浣熊就将佛得角列为可能晋级32强的黑马，成为少数成功预测此结果的AI。

对于万众期待的决赛，现场我们小浣熊对晋级路径、核心球员、战术对位、历史交锋、关键数据等进行了分析，并用SenseNova U1 Pro组织成一张完整的视觉报告。呼唤球迷朋友一起审视细节~