SenseNova U1.5-Lite-Preview : SenseTime ouvre son IA multimodale à génération d'images native

Le 3 août 2026, SenseTime (商汤科技) a ouvert le code source de SenseNova U1.5-Lite-Preview, une préversion d'un modèle multimodal allégé, nativement unifié, fondé sur l'architecture NEO-Unify. Elle fait suite à la sortie de SenseNova U1 en avril, avec des capacités renforcées de génération et d'édition d'images.

Qu'est-ce que SenseNova U1 et l'architecture NEO-Unify

En avril 2026, SenseTime a dévoilé pour la première fois l'intégralité de son approche multimodale nativement unifiée, bâtie sur l'architecture NEO-Unify. L'idée centrale : au lieu d'une chaîne de modèles spécialisés, un seul réseau de neurones est entraîné conjointement sur trois types de données à la fois.

• Avril 2026 : sortie de SenseNova U1, première implémentation complète de NEO-Unify
• Un réseau unique réunit sémantique linguistique, sémantique visuelle et génération de pixels
• Le modèle assure nativement la compréhension visuelle, le raisonnement et la génération d'images
• 3 août 2026 : ouverture du code source de la version allégée U1.5-Lite-Preview

L'entraînement conjoint des trois modalités permet au modèle de conserver une représentation unique du contexte. Selon ses concepteurs, cela constitue un avantage sur les tâches complexes, où la compréhension de l'image influe directement sur la qualité de la génération.

Ce qui change dans U1.5 par rapport à l'original

SenseNova U1.5-Lite-Preview fait évoluer le U1 d'avril dans deux directions principales. D'après SenseTime, l'équipe s'est concentrée, durant les mois qui ont suivi le lancement, sur l'amélioration de la génération et de l'édition d'images : ce sont ces composants qui ont le plus changé.

«

Au cours des derniers mois, nous avons progressivement renforcé les capacités du modèle en matière de génération et d'édition d'images, et nous ouvrons aujourd'hui à la communauté une préversion du modèle allégé », indique le communiqué officiel de SenseTime publié sur la plateforme Jiqizhixin.

Le suffixe « Lite » désigne une variante allégée de l'architecture, destinée à un public plus large de chercheurs et de développeurs ne disposant pas de l'infrastructure nécessaire aux modèles phares. Le statut « Preview » signifie qu'il s'agit d'une version préliminaire : la version finale reste à venir.

Pourquoi l'unification native l'emporte sur le pipeline

La plupart des systèmes multimodaux fonctionnent encore comme une chaîne : un bloc de compréhension d'image convertit l'image en texte, un modèle de langage traite ce texte, puis un bloc génératif dessine le résultat. À chaque jonction, du contexte se perd et des erreurs s'accumulent.

L'architecture nativement unifiée NEO-Unify supprime ces jonctions : le modèle appréhende la tâche dans son ensemble — texte, contexte visuel et résultat en pixels — et les traite conjointement. Il peut ainsi éditer une image en tenant compte de nuances de contexte visuel que l'approche par pipeline aurait perdues lors de la conversion en texte.

Ce que cela signifie

L'ouverture du code source de SenseNova U1.5-Lite-Preview rend les modèles multimodaux nativement unifiés directement accessibles à la recherche. Les développeurs peuvent étudier la solution architecturale de SenseTime, affiner le modèle sur leurs propres données ou s'en servir comme base d'expérimentation. Pour SenseTime, c'est un moyen de recueillir les retours de la communauté avant la sortie commerciale finale.

Questions fréquentes

Qu'est-ce que la multimodalité nativement unifiée ?

Il s'agit d'une approche où un seul réseau de neurones est entraîné à traiter simultanément le texte, les données visuelles et la génération de pixels, sans pipelines intermédiaires. SenseTime a mis en œuvre ce principe dans l'architecture NEO-Unify, à partir d'avril 2026 avec le modèle SenseNova U1.

En quoi U1.5-Lite-Preview diffère-t-il de SenseNova U1 ?

U1.5-Lite-Preview est une version allégée dotée de capacités améliorées de génération et d'édition d'images, développées dans les mois qui ont suivi le lancement d'avril. « Lite » désigne une taille de modèle réduite pour toucher un public plus large ; « Preview » indique qu'il s'agit d'une préversion ouverte destinée à la communauté de recherche, et non d'un produit commercial final.