مدل چندوجهی یکپارچه و سبک‌وزن SenseTime با نام U1.5-Lite Preview (نسخه پیش‌نمایش) با ۸ میلیارد پارامتر و قابلیت یکپارچه‌سازی در تولید و ویرایش ۴K متن‌باز شد.

سنس‌تایم (SenseTime) مدل چندوجهی یکپارچه و سبک‌وزن SenseNova U1.5-Lite-Preview را برای جوامع متن‌باز اعلام کرده است. این مدل یک ارتقای مقیاس ساده نیست، بلکه یک تکرار سیستماتیک بر اساس SenseNova U1 است که چهار قابلیت کلیدی یعنی درک بصری، استدلال، تولید و ویرایش را در یک معماری واحد ادغام می‌کند. بارزترین ویژگی این مدل، اندازه سبک‌وزن آن است که با مقیاس پارامتری تنها ۸ میلیارد (8B-MoE)، به وضوح تصویر ۴K، بافت‌های واقع‌گرایانه‌تر و پیچیده‌تر و کنترل بصری بهتری دست می‌یابد. سنس‌‌تایم اظهار داشت که اگر U1 امکان‌سنجی معماری یکپارچه را تأیید کرده باشد، هدف U1.5 این است که بیشتر ثابت کند آیا قابلیت‌ها می‌توانند به گسترش خود ادامه دهند یا خیر. بهبودهای چشمگیر در چهار حوزه کلیدی، بهینه‌سازی تمام‌زنجیره‌ای تولید و ویرایش در مقایسه با U1، مدل U1.5-Lite-Preview بهبودهای چشمگیری را در چهار حوزه اصلی به همراه دارد: پشتیبانی بومی از تولید تصویر ۴K، بافت‌های محلی دقیق‌تر و بافت‌های دنیای واقعی، تولید متن دقیق‌تر انگلیسی و چینی و سازماندهی چیدمان‌های پیچیده، و ویرایش تصویر پایدارتر و پیروی از دستورالعمل‌های بصری. در جزئیات فنی، سنس‌تایم هد تولید (generation head) را مجدداً طراحی کرد تا مسائل مربوط به آرتیفکت‌های شبکه‌ای و مدل‌سازی جزئیات با وضوح بالا را حل کند، تأثیر توکن‌های بصری را بر تصویر نهایی کاهش دهد و آموزش را به وضوح ۴K گسترش دهد. در ویرایش تصویر، این مدل داده‌های ویرایش و وظایف آموزشی را سازماندهی مجدد کرده و توانایی حفظ محتوای اصلی، هویت موضوع، ساختار فضایی و مناطق غیرقابل‌ویرایش را تقویت نموده است؛ این امر تضمین می‌کند که ضمن دستیابی به تغییرات مطلوب، تا حد امکان بخش‌هایی از تصویر اصلی که نیازی به تغییر ندارند حفظ شوند. پیشرفت‌های قابل‌توجه در تست‌های بنچمارک متعدد، به‌ویژه در قابلیت‌های ویرایش نتایج ارزیابی، اثرات واقعی این بهینه‌‌سازی را تأیید می‌کند. امتیازات بنچمارک Qwen-Image-Bench از ۴۷.۱۴ به ۵۵.۲۰ (با بهبود پرامپت) افزایش یافت، ImgEdit-Bench از ۳.۹۰ به ۴.۳۷، نسخه انگلیسی GEdit-Bench از ۷.۴۷ به ۸.۱۷ و نسخه چینی آن از ۷.۴۲ به ۸.۰۵ رسید. به‌طور کلی، هم کیفیت تولید و هم پایداری ویرایش پیشرفت‌های چشمگیری داشته‌اند، به‌ویژه در زمینه پیروی از دستورالعمل‌ها و حفظ تصویر اصلی در طول ویرایش تصویر. سنس‌تایم تأکید کرد که ایده اصلی U1.5-Lite-Preview این نیست که به‌طور کورکورانه مقیاس مدل را گسترش دهد، بلکه بهینه‌سازی سیستماتیک کل فرآیند تولید و ویرایش است. این رویکردِ «دستیابی به رشد قابلیت از طریق نوآوری در معماری»، الگوی قابل‌توجهی را برای تکرار مداوم مدل‌های چندوجهی سبک‌وزن فراهم می‌کند؛ هنگامی که ۸ میلیارد پارامتر می‌توانند تولید ۴K و ویرایش دقیق را اجرا کنند، پتانسیل معماری چندوجهی یکپارچه ممکن است تازه شروع به شکوفایی کرده باشد.