商汤在 WAIC 2026 上发布了新模型 SenseNova U1 Pro。按照现场介绍，这是一套面向复杂多模态任务的交付系统，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。
发布现场展示了一张由 U1 Pro 生成的超长 8K 图片，主题为“WAIC 九周年 2018—2026”。画面从左到右按时间展开，覆盖了每一届的亮点内容。原文提到，这张图原图大小为 51M，放大后字迹仍然清晰。
从这次展示看，U1 Pro 的能力被概括为三点：原生 8K 输出，重点不只是更高像素，而是在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，商汤瞄准的信息图、城市规划、影视分镜、学术海报和商业设计等场景，希望减少反复抽卡式生成，提升可直接使用的结果比例。
文章将这一变化概括为一个更直接的问题：一张图能不能少靠人来收拾残局，而是由模型把整套工作做完。
四项实测：从超长画幅到商业海报
为了检验 U1 Pro 的效果，文中给模型设置了四道题，覆盖超长图、复杂海报、风格化场景和商业海报。
二十四节气 8K 长图
第一个测试是让 U1 Pro 围绕二十四节气，生成一张横向展开的 8K 长图。这个任务考察的是细节控制能力，包括 24 个节气名称和顺序不能出错，每个节气都要对应合适的物候和季节色彩，24 个竖向单元既要彼此区分，又要保持统一视觉风格，同时完成从春到冬的自然色彩过渡。
文中给出的观察是，U1 Pro 把 24 个节点纳入同一套横向版式，并没有把结果处理成 24 张彼此无关、尺寸相同的壁纸。每一格的山水高度、植物位置和留白都在变化，画面呈现出屏风与长卷结合的节奏。
实验室视觉海报
第二个测试是一张实验室视觉海报，主题为《机器如何观察和理解人类》。提示词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。
文章提到，常见生图模型在遇到“科技”“机器人”等关键词时，往往会选择科技蓝色调，但 U1 Pro 避开了这一处理。它采用暗金线条、黑色背景和纸张颗粒感，形成较完整的视觉层级。画面中心明确，信息量较高，但没有完全失控。
琉璃质感古风建筑山河图
第三道题是一幅带有琉璃质感的古风建筑山河图。要求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，以及一座具有东方结构语言的未来建筑。
材质方面，山体被要求呈现出琉璃、玉石和珐琅共同烧制的效果，表面有流动高光、釉面层次和金色描边；水面需要通透感和反射；建筑不能做成廉价的 3D 模型。文中的结论是，U1 Pro 能够把琉璃山体、水系、古建和未来建筑组织成一个相对完整的世界，体现出其对复杂风格要求的执行力。
可直接交付的电影海报
最后一个任务转向商业化场景，要求生成一张原创电影海报，整体为高完成度、可直接用于上映宣传的成片海报，气质介于东方诗意、悬疑史诗与现代艺术电影之间，并具有强烈视觉冲击力和高级审美。
文章称，最终结果仍然保持了清晰文字，整体效果接近可以直接商用的成片海报。
结合四项测试，文中认为 U1 Pro 的长处不只在 8K 分辨率，还在于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。结构图、可商用图等类型也被认为在它的能力范围内。
从一次生成到检查修正
文章指出，实测中的几张图片共同体现出的，不只是画质提升。无论是二十四节气长图，还是复杂海报与琉璃山河，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。
这对应了当前生图工具中的一个现实问题：不少模型已经支持通过自然语言反复修改，但任务稍微复杂一些，结果仍然容易失控。改对一个局部，其他区域会跟着变化；画面乍看专业，文字和结构却经不起检查；多轮修改后，纹理、人物和背景也可能逐渐偏离。
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。”
按照文中的描述，U1 Pro 选择的方向，是把一次生图过程拉长成一套连续的创作流程。这里的“思考”，并不是向用户展示一长串文字推理，而是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。团队也因此看到，视觉模型有机会接近设计师的工作方式，把生图能力推向内容设计的真实生产环节。
进入 U1 Pro 后，这套流程被扩展成一条闭环：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。
以最开始展示的“WAIC 九周年 2018—2026”长卷为例，模型需要先消化 9 年资料，再决定事件如何分布、年份之间怎样衔接、山水和城市如何组织、文字信息放在哪里，最后保持统一的东方视觉风格。
原生 8K 的技术处理：32×32 大 Patch 与自适应噪声控制
8K 直出是 U1 Pro 这次发布中最醒目的标签之一，但文章同时指出，分辨率大幅提高带来的难度也会同步增加。原因是分辨率越高，视觉 Token 数量越多，Attention 的计算量和显存占用也随之上升。
针对这一问题，商汤采用的一个关键方案是使用 32×32 的大 Patch。林达华表示，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，那么边长扩大一倍后，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。格子变少，计算压力会下降，但与此同时，大格子也更容易丢失细节。
为解决这一问题，团队加入了自适应 Noise Control，对细节区域采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。文章称，这些手段共同控制了上下文规模，避免 8K 带来爆炸式增长，同时尽量保住小字、纹理和结构。
按文中的总结，U1 Pro 的思路是先通过放大格子减少总量，再借助重叠和更精细的训练，把大格子内部的细节找回来。
商汤对产品范式变化的判断
从行业角度看，文章认为 U1 Pro 更值得关注的地方，在于它对应了一次产品范式变化。文中借用了 AI Coding 的演进路径进行说明。
第一阶段是 Copilot，帮助专业开发者补全代码；接着是 Vibe Coding，用户用自然语言表达需求；再往后，Coding Agent 开始拆解任务、写代码、调用工具、测试和修复，承担完整工程。模型价值也从“写了多少行代码”，转向“能不能把项目做出来”。
在这一框架下，多模态内容也被描述为经历类似变化：第一阶段是单点生成；第二阶段是意图驱动，用户可以持续修改；第三阶段则指向系统级内容交付。模型不只是生成一张图，还要理解目标、组织信息、保持长程一致性、检查错误，并交付可以使用的结果。
文章称，Coding 给商汤带来的启发是，一项技术一旦突破工业红线，真正带来生产力变化，就有机会打开更大的商业空间。商汤据此判断，图文交错思维和理解生成统一，也可能为视觉设计打开一条差异化赛道。
不过，文中也提到，U1 Pro 目前还不能说已经完美。异步生成意味着用户要用等待时间换更高完成度；编辑能力、成本和稳定性仍需真实项目验证；专业设计场景也不会只依赖一张最终图片，图层、矢量元素、版本管理和团队协作同样重要。
文章最后给出的判断是，当生图告别反复抽卡，开始对结果负责，多模态 Agent 的竞争才算真正开始。