SenseNova U1.5-Lite-Preview: SenseTime abre o código de IA multimodal com geração nativa de imagens

A SenseTime (商汤科技) abriu, em 3 de agosto de 2026, o código-fonte do SenseNova U1.5-Lite-Preview, versão preliminar de um modelo multimodal leve, nativamente unificado, baseado na arquitetura NEO-Unify. O lançamento dá sequência ao SenseNova U1, de abril, com recursos reforçados de geração e edição de imagens.

O que é o SenseNova U1 e a arquitetura NEO-Unify

Em abril de 2026, a SenseTime apresentou pela primeira vez, de forma completa, sua abordagem multimodal nativamente unificada, baseada na arquitetura NEO-Unify. A ideia central: em vez de uma cadeia de modelos especializados, uma única rede neural é treinada em conjunto com três tipos de dados ao mesmo tempo.

• Abril de 2026 — lançamento do SenseNova U1, com a primeira implementação completa da NEO-Unify
• Uma única rede neural reúne semântica de linguagem, semântica visual e geração de pixels
• O modelo executa nativamente compreensão visual, raciocínio e geração de imagens
• 3 de agosto de 2026 — código aberto da versão leve U1.5-Lite-Preview

O treinamento conjunto das três modalidades permite que o modelo mantenha uma representação única do contexto. Segundo os desenvolvedores, isso traz vantagem em tarefas complexas, nas quais a compreensão da imagem influencia diretamente a qualidade da geração.

O que mudou no U1.5 em relação ao original

O SenseNova U1.5-Lite-Preview evolui o U1 de abril em duas frentes principais. De acordo com a SenseTime, nos meses seguintes ao lançamento a equipe se concentrou justamente em melhorar a geração e a edição de imagens, os componentes que mais mudaram.

«Nos últimos meses, reforçamos de forma consistente os recursos do

modelo de geração e edição de imagens e agora abrimos para a comunidade a versão preliminar do modelo leve», diz o comunicado oficial da SenseTime na plataforma Jiqizhixin.

O sufixo «Lite» indica uma variante enxuta da arquitetura, pensada para um público mais amplo de pesquisadores e desenvolvedores que não dispõem de infraestrutura potente para modelos de ponta. O status «Preview» significa que se trata de um lançamento preliminar: a versão final ainda está por vir.

Por que a unificação nativa é melhor que um pipeline

A maioria dos sistemas multimodais ainda funciona como uma esteira: um bloco de compreensão de imagem converte a figura em texto, o modelo de linguagem processa esse texto e um bloco generativo desenha o resultado. A cada junção, o contexto se perde e os erros se acumulam.

A arquitetura nativamente unificada NEO-Unify elimina essas junções: o modelo enxerga a tarefa por inteiro (texto, contexto visual e resultado em pixels) e processa tudo em conjunto. Isso permite editar a imagem levando em conta nuances do contexto visual que, em uma abordagem de pipeline, se perderiam na conversão para texto.

O que isso significa

Com o código aberto do SenseNova U1.5-Lite-Preview, os modelos multimodais nativamente unificados ficam acessíveis para pesquisa direta. Desenvolvedores podem estudar a solução arquitetural da SenseTime, fazer o ajuste fino do modelo com seus próprios dados ou usá-lo como base para experimentos. Para a SenseTime, é uma forma de obter feedback da comunidade antes do lançamento comercial final.

Perguntas frequentes

O que é multimodalidade nativamente unificada?

É uma abordagem em que uma única rede neural é treinada para trabalhar simultaneamente com texto, dados visuais e geração de pixels, sem pipelines intermediários. A SenseTime implementou esse princípio na arquitetura NEO-Unify, a partir de abril de 2026, no modelo SenseNova U1.

Como o U1.5-Lite-Preview se diferencia do SenseNova U1?

O U1.5-Lite-Preview é uma versão leve, com recursos aprimorados de geração e edição de imagens, desenvolvidos nos meses seguintes ao lançamento de abril. «Lite» significa um modelo de tamanho reduzido para um público mais amplo; «Preview» indica que se trata de um lançamento preliminar aberto para a comunidade de pesquisa, e não de um produto comercial final.