SenseNova U1.5技术报告发布，官方给出的定位是：从能力共存，走向真正的能力交互。这是一个开源的8B-MoT原生统一模型，官方称其不止于"能看也能画"。

共享注意力，是这次的关键词

打开网易新闻 查看精彩图片

U1.5采用原生MoT架构，理解和生成通过共享注意力连接。

配套的是空间联合重建方案。它用Pixel Shuffle加3×3空间卷积，支撑原生4K生成，同时提升空间连贯性。

训练层面，美学、OCR、信息图、编辑这几个方向的专家模型，通过多专家在线策略蒸馏合并成一个统一模型。路径是：先专精，再统一。

两组数字，说明交互真的发生了

报告里给出了两组对比数据：

  • 推理到生成：WISE指标从0.70提升到0.81，靠的是CoT
  • 生成到理解：RealUnify-GEU从47.5提升到56.3，对比对象是U1-SFT

第一组说明，让模型在生成前先"想一步"，画面质量会变好。第二组则是生成能力的增强反过来抬高了理解能力的分数。官方将这一变化对应到"能力交互"与"能力共存"的区别上。

视觉推理方面，U1.5在VBVR-Pro-Bench上拿到68.2%，官方给出的对比是Nano-Banana-Pro的56.4%和GPT-Image-2的50.7%。

开源的不只是权重，还有配方

这次放出的内容包括完整的训练配方：SFT、RL以及多专家在线策略蒸馏。技术报告发布在Hugging Face Papers，模型和代码分别托管在Hugging Face集合页与GitHub的OpenSenseNova仓库下，另有SenseNova Studio和Token Plan两个入口。

8B的体量、原生4K生成、共享注意力的理解生成交互，加上完整训练配方，这几件事叠在一起，是这次发布的主要内容。