这，可能是今年WAIC最惊艳的图片！

< img id="wx_img" src="https://www.qbitai.com/wp-content/uploads/imgs/qbitai-logo-1.png" width="400" height="400"> 这，可能是今年WAIC最惊艳的图片！ 梦晨 2026-07-19 10:08:41 来源： 量子位 理解、生成、行动的原生统一 金磊 发自 上海 量子位 | 公众号 QbitAI 刚刚， 生图圈 杀出一个新国产模型—— 不仅 原生8K 直出，还是会自己打草稿、做设计、检查作业的那种！ 瞧，下面这张 超超超超长 的8K图，就是它做出来的： 这幅超长卷的主题，是 “WAIC九周年2018—2026” ；从左往右，时间依次铺开，并且把每一届的亮点内容都涵盖了进来。 或许你会有疑问了，这么大的图，细节能稳吗？ 好问题，我们这就“拿着放大镜”再细细品鉴一下 字字清晰，字字清晰。 这，便是 商汤 刚刚在 WAIC 2026 上最新发布的的新模型—— 日日新SenseNova U1 Pro 。 简单来说，U1 Pro是一套面向复杂多模态任务的交付系统，它要围绕目标完成理解、规划、信息组织、多模态生成、检查修正和最终交付，内核是 理解、生成、行动的原生统一 。 在看完整体的发布之后，我们可以把U1 Pro的亮点归拢为如下三点： 原生8K输出：重点不只是像素更高，还在于超大画幅里继续维持文字、构图和细节； 图文交错思维：模型可以围绕目标连续完成草图、细化、着色、检查和调整； 面向成品交付：商汤瞄准的场景包括信息图、城市规划、影视分镜、学术海报和商业设计，希望模型少一些反复抽卡，多一些真正能拿去用的结果。 如果说以前的生图模型，比的是谁画得更像、谁出图更快，那U1 Pro更像是把问题再往前推一步： 一张图能不能少靠人收拾残局，自己把整套活做完？ 为了检验U1 Pro真实效果，我们又给它出了四道题。 生成8K版“十二四节气” 第一个实测，继续考验一下U1 Pro的超长画幅。 我们让它围绕 二十四节气 ，生成一张横向展开的8K长图。 这个任务其实考的还是AI抓细节的能力，比如24个节气的名称和顺序不能乱；每个节气要对应合适的物候与季节颜色；24个竖向单元需要彼此区分，同时保持完整的视觉风格；从春到冬的色彩也要自然过渡。 来看下U1 Pro生成的图： 从整体看，模型确实把24个节点放进了同一套横向版式里。 它没有把结果处理成24张尺寸相同、彼此无关的壁纸。每一格的山水高度、植物位置和留白都在变化，画面因此有了类似屏风和长卷结合的节奏。 所以U1 Pro已经是稳稳能够输出8K超长图的选手了。 第二个实测，我们让它设计一张 高级实验室视觉海报 ，主体就叫做《机器如何观察和理解人类》。 Prompt要求画面中央出现一位背对镜头、略微侧身的人物，头部和上半身叠加检测框、坐标轴、几何圆、运动轨迹、视线追踪、空间网格和数据节点。 来看下细节： 比较意外的是，一般生图模型只要提到的“科技”、“机器人”等关键词，大多数可能都会选择科技蓝的色调。 但U1 Pro直接避开了这一点，暗金线条、黑色背景与纸张颗粒感，形成了比较完整的视觉层级。中心焦点明确，信息量很高，画面却没有完全失控。 第三道题，是一幅 琉璃质感的古风建筑山河图 。 要求里同时出现青绿色山脉、蓝色河流、瀑布、宝塔、山门、亭台、廊桥、宫殿、桃花林、松树、祥云，以及一座带有东方结构语言的未来建筑。 材质方面，山体要像琉璃、玉石和珐琅共同烧制，表面有流动高光、釉面层次和金色描边；水面要有通透感和反射；建筑则不能变成廉价的3D模型。 U1 Pro生成的结果如下： 从最终生成图来看，模型能够把琉璃山体、水系、古建和未来建筑组织成相对完整的世界，已经体现出它对复杂风格要求的执行力。 前三题全是大场景、超长图和复杂排版，因此，最后一个任务，我们尝试一下可以直接交付的、商业化的 电影海报 。 Prompt如下： 设计一张原创电影海报，整体为高完成度、可直接上映宣传使用的成片海报，气质介于东方诗意、悬疑史诗与现代艺术电影之间，具有强烈的视觉冲击力和高级审美。 最终结果中，依旧是字字清晰，并且整体效果就是那种可以直接商用的感觉！ 四道题看下来，U1 Pro的长处并不只在8K。 它更擅长围绕一个完整目标组织画面，把信息、版式、人物、材质和风格放进同一次任务里。 除此之外，像 结构图 、 可商用图 等等，U1 Pro都是能hold得住的： 从一次生图，到自己检查 实测中几张图的共同点，已经不只在画质。 无论是二十四节气长图，还是复杂海报和琉璃山河，U1 Pro都需要同时记住多组要求，并在同一张画面里持续处理信息、构图、风格和细节。 这也对应了当前生图工具里一个很实际的问题。 如今不少模型已经可以通过自然语言反复修改，但任务稍微复杂一点，结果依然容易失控。改对一个局部，其他区域跟着变化；画面看起来很专业，文字和结构却经不起检查；多改几轮后，纹理、人物和背景也可能逐渐跑偏。 商汤CEO 徐立 在现场将这一问题概括为： 能交互，不等于能交付。 U1 Pro选择的方向，是把一次生图拉长成一套连续的创作流程。 这里所说的“思考”，并非向用户展示一长串文字推理，更接近图像与文字交错进行的连续创作。 在商汤联合创始人、首席科学家 林达华 与量子位的交流过程中，他表示： 商汤在U1阶段已经观察到连续创作的雏形。模型可以先画草图，再补充细节、着色，逐步生成完整图像。团队也由此看到，视觉模型有机会接近设计师的工作方式，将生图能力推向内容设计的真实生产环节。 由此，进入U1 Pro后，这套流程进一步扩展成一条闭环： 理解目标、规划任务、组织信息、生成内容、检查问题、持续修正，最后完成交付。 以我们最开始展示的WAIC九周年长卷为例，模型要先消化九年资料，再决定事件如何分布、年份之间如何衔接、山水和城市怎样组织、文字信息放在哪里，最后还要保持统一的东方视觉风格。 原生8K，难点远不止多几个像素 虽然8K直出，是这次U1 Pro非常亮眼的一个标签，但分辨率大幅提高背后带来的难度，也是同倍增加。 因为分辨率越高，视觉Token数量也会增加，Attention的计算量和显存占用随之上涨。 对此，商汤采用的一个关键方案是使用32×32的大Patch。 正如林达华所说，常见生图模型可能采用16×16 Patch，如果一个Patch对应一个或一组Token，边长扩大一倍后，视觉Token总数可以降到原来的四分之一。 这相当于把一张图划分成更大的格子，格子少了，计算压力会降低；但与此同时，大格子也更容易丢细节。 为了解决这个问题，团队又加入了自适应Noise Control，对细节区域使用更有针对性的训练策略；Patch之间保留一定重叠，同时在空间采样、Loss设计和模型结构上进行优化。 这些手段共同控制上下文规模，避免8K带来爆炸式增长，同时尽量保住小字、纹理和结构。 总结来说，U1 Pro把格子放大，先减少总量，再通过重叠和更精细的训练，把大格子内部的细节找回来。 生图，也在复刻AI Coding的路 从行业角度看，U1 Pro更值得关注的地方，是它对应了一次产品范式变化。 要理解这种变化，我们其实