SenseNova U1.5-Lite-Preview: SenseTime открыла мультимодальный ИИ с нативной генерацией изображений

A SenseTime (商汤科技) publicou o código-fonte do SenseNova U1.5-Lite-Preview em 3 de agosto de 2026 — uma versão preliminar do modelo multimodal leve e nativamente unificado, baseado na arquitetura NEO-Unify. Trata-se de uma continuação do lançamento de abril do SenseNova U1, com capacidades aprimoradas de geração e edição de imagens.

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

Em abril de 2026, a SenseTime revelou pela primeira vez de forma completa a abordagem multimodal nativamente unificada baseada na arquitetura NEO-Unify. A ideia central: em vez de uma cadeia de modelos especializados — uma única rede neural treinada conjuntamente em três tipos de dados de forma simultânea.

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

O treinamento conjunto de três modalidades permite ao modelo manter uma representação unificada do contexto. Segundo a concepção dos desenvolvedores, isso oferece vantagem em tarefas complexas nas quais a compreensão da imagem afeta diretamente a qualidade da geração.

O que mudou no U1.5 em comparação com o original

O SenseNova U1.5-Lite-Preview desenvolve o U1 de abril em duas direções principais. Segundo a SenseTime, nos meses seguintes ao lançamento, a equipe se concentrou especificamente na melhoria da geração e edição de imagens — esses componentes sofreram as maiores mudanças.

"Ao longo dos meses passados, fortalecemos consistentemente as

capacidades do modelo para geração e edição de imagens e agora abrimos uma versão preliminar do modelo leve para a comunidade", — declarado no comunicado oficial da SenseTime na plataforma Jiqizhixin.

O sufixo "Lite" indica uma variante mais leve da arquitetura, projetada para um público mais amplo de pesquisadores e desenvolvedores que não dispõem de infraestrutura poderosa para modelos principais. O status "Preview" significa que este é um lançamento preliminar — a versão final ainda está por vir.

Por que a unificação nativa é melhor do que um pipeline

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

A arquitetura nativamente unificada NEO-Unify elimina essas junções: o modelo vê a tarefa como um todo — texto, contexto visual e resultado em pixels — e os processa conjuntamente. Isso permite editar imagens levando em conta um contexto visual sutil que se perderia durante a conversão para texto na abordagem de pipeline.

O que isso significa

O lançamento de código aberto do SenseNova U1.5-Lite-Preview torna os modelos multimodais nativamente unificados disponíveis para pesquisa direta. Os desenvolvedores podem estudar a solução arquitetônica da SenseTime, ajustar o modelo em seus próprios dados ou utilizá-lo como base para experimentos. Para a SenseTime, esta é uma forma de obter feedback da comunidade antes do lançamento comercial final.

Perguntas frequentes

O que é multimodalidade nativamente unificada?

É uma abordagem na qual 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 difere do SenseNova U1?

O U1.5-Lite-Preview é uma versão leve com capacidades aprimoradas de geração e edição de imagens desenvolvidas nos meses seguintes ao lançamento de abril. "Lite" significa tamanho de modelo reduzido para um público mais amplo; "Preview" significa que este é um lançamento preliminar aberto para a comunidade de pesquisa, e não um produto comercial final.