小模型，开始挑战复杂视觉表达

X 文章 · 原文写于 2026.05。下文保留当时的记录，工具版本与价格以当前官方信息为准

原题：10B 以下模型，也开始挑战复杂视觉表达了

开源生图模型正在从“谁画得更好看”，走向“谁更懂结构”。SenseNova U1-8B-MoT-Infographic 瞄准的是海报、图表、教程页、论文风页面这类最容易翻车的图文场景。10B 以下的小模型，能不能把理解、排版和生成合在一起？这篇文章聊聊 U1 这次真正有意思的地方。

商汤这周给 SenseNova U1 补了一块很关键的拼图：SenseNova-U1-8B-MoT-Infographic。

如果说前一版 U1 讲的是“原生 unified multimodal 模型”这条路线能不能跑通，这个 Infographic 版本更像是把能力压到一个清晰场景里：海报、图表、食谱卡片、明信片、教程页，甚至 arXiv 风格页面这种高密度视觉内容。

这个方向值得看，原因不在模型规模和单项分数，而在它的架构选择。

U1 走的是 NEO-unify：去掉传统视觉编码器 VE 和 VAE，让模型在更原生的结构里统一理解、推理和生成。开源 unified 模型过去常见路线是把图像压成离散 token，再交给 LLM 处理，训练框架省事，但密集文字、版式细节、跨图一致性很容易被压没。U1 的思路更激进，尽量绕开这类压缩瓶颈，用 MoT 把理解和生成路径解耦，同时保持跨模态信息流通。

这也解释了为什么 Infographic 版本有意义。

信息图生成考验的不是单纯画质，而是“先理解结构，再组织视觉表达”：标题层级、正文密度、图表关系、图文对应、局部小字，都得同时在线。GitHub 最新信息里，SenseNova-U1-8B-MoT-Infographic 是 2026.05.15 发布的专门增强版，官方给了 100 多个展示案例。模型卡显示，它相对基础版 U1-8B-MoT：

BizGenEval hard：39.8 提到 46.6，+6.8
BizGenEval easy：61.1 提到 65.4，+4.3
IGenBench Q-ACC：51.3 提到 69.5，+18.2
IGenBench I-ACC：4.2 提到 17.0，+12.8

这个提升很对路。U1 原本就更适合“理解 + 生成协同”的任务，Infographic 版本等于把优势进一步压到结构化视觉内容上。对设计师、自媒体、科研工作者来说，它更像一个能快速起草复杂版面的开源工具：海报、知识卡片、论文风格页面、教程图、产品说明图，都属于它的甜点区。

生图提示词：
该信息图以黑板风格设计，标题为“地方特色&活动微信公众号推广全指南”，整体采用手绘粉笔字效果，配以彩色图标和箭头，视觉上模拟真实黑板书写场景。内容结构清晰，分为三个主要部分，通过灰色弧形箭头连接，形成逻辑递进关系：从推广内容核心方向 → 高转化活动推广玩法 → 微信公众号生态适配推广技巧。

第一部分：“推广内容核心方向：深挖本地特色记忆点”，强调通过三类高流量本地内容吸引用户共鸣并吸引外地游客打卡：
- **本土美食**（黄色椭圆标签）：包含老字号小吃、季节性特色食俗、社区隐藏小店探店内容，配有热汤碗与筷子图标。
- **人文风物**（棕色椭圆标签）：涵盖非遗技艺传承故事、老街老巷历史、本地名人旧居探访内容，配有传统建筑与布鞋图标。
- **便民福利**（粉色椭圆标签）：包括本地专属消费券、景区免票政策、节庆活动预告等内容，配有优惠券与礼盒图标。

第二部分：“高转化活动推广3种实用玩法”，旨在拉满参与转化率：
- **节庆市集玩法**（橙色椭圆标签）：公众号预热发早鸟票+留言抽免费参与名额+现场打卡返现，配有灯笼与摊位图标。
- **非遗体验玩法**（绿色椭圆标签）：开放公众号专属报名通道+提前发布体验官预告内容+活动后用户投稿返现，配有陶艺与织布机图标。
- **消费促进玩法**（紫色椭圆标签）：联合本地商家推出公众号专属消费券包+到店核销送定制周边，配有购物袋与银行卡图标。

第三部分：“微信公众号生态适配推广技巧”，聚焦降低推广成本：
- **内容呈现技巧**（蓝色椭圆标签）：封面图用本地标志性建筑/美食做视觉符号，首图放置活动倒计时海报，文末加一键报名跳转链接，配有手机图标。
- **渠道联动技巧**（黄色椭圆标签）：视频号发布活动花絮挂载公众号链接，朋友圈广告定向推送给本地18-60岁人群，本地社群转发带专属抽奖码，配有三人社交网络图标。
- **私域留存技巧**（绿色椭圆标签）：活动参与者引导添加企业微信，拉入本地福利群后续持续推送活动信息，配有微信对话气泡图标。

整个信息图布局呈垂直流线型，各模块之间以曲线箭头连接，右侧点缀有简笔小人和感叹号等装饰元素，增强趣味性和可读性。文字排版层次分明，主标题白色粗体，副标题与核心概念使用黄色或彩色突出，细节说明则为白色常规字体。所有文本均为中文，无英文或其他语言内容。

该信息图题为《儿童营养补充全指南：科学建议+产品选购要点》，采用漫画风格设计，色彩鲜明，以红、黄、蓝为主色调，布局清晰分为左右两大板块，每个板块又细分为多个模块，图文并茂地呈现了儿童营养补充的科学指导与实用建议。

整体结构分为“科学参考指引”和“实操应用指南”两大核心部分，通过卡通插图、图标、爆炸式对话框、标签等视觉元素增强可读性与吸引力。

GitHub 这几天也更新得比较密：

2026.04.27：首发 U1-8B-MoT / U1-8B-MoT-SFT 权重和推理代码
2026.05.06：发布 8-step LoRA
2026.05.08：加入 GGUF 量化权重和低显存分层加载模式，Q4 + balanced 被推荐给 10-12GB 消费级显卡
2026.05.10：发布 SenseNova-U1 技术报告，并开源 U1-A3B-MoT / U1-A3B-MoT-SFT
2026.05.15：发布 U1-8B-MoT-Infographic

所以现在 U1 已经不只是一个技术博客里的架构预览，而是有权重、有推理代码、有技术报告、有在线 Demo，也有专门面向信息图的增强模型。

当然，别把它理解成闭源旗舰画质擂台的替代品。Nano Banana、GPT Image 这类大体量闭源模型在纯画质、审美稳定性、复杂编辑上仍然强很多。

U1 更值得看的地方，是小模型能不能在图文一体、结构化视觉表达、跨模态推理这些垂直场景里打出差异。

我更关心后面两件事：

第一，NEO-unify 在更大模型上能不能继续成立。现在是 Lite 系列，GitHub 也写了后续会有更大规模版本。如果 scale up 后信息图、教程、绘本、图文交错输出还能保持结构优势，开源 unified 路线会很有看头。

第二，理解和生成能不能像模块一样持续迭代。NEO-unify 前作里已经出现过一个有意思的信号：冻结理解分支、只训生成分支，2B preview 仍然能跑出可用编辑能力。U1 如果沿着这条路继续推进，未来 unified 模型的训练可能会更像搭积木：理解能力先打稳，再针对生成、编辑、信息图、交错输出做专项增强。

我跑过一个 6 格水彩连环画 case：主角是穿红色背带裤的胖橘猫 Marshmallow，从看雨到撑伞救麻雀。结果不算惊艳，但角色毛色、背带裤、蓝色雨伞、整体水彩风格基本能跨格保持一致。Midjourney 或 SD 多次独立调用很容易到第三格就漂，U1 一次推理出多图这点，对绘本、教程、连续叙事内容确实有价值。