Introduction
Au WAIC 2026, SenseTime a dévoilé SenseNova U1 Pro, son nouveau modèle multimodal phare dédié aux tâches complexes de création visuelle.
La démonstration de lancement était centrée sur un rouleau urbain oriental ultra-large intitulé Le Monde se Rencontre par l’Intelligence. Cette image a été créée pour la neuvième Conférence mondiale sur l’intelligence artificielle et condense l’évolution de l’événement de 2018 à 2026 en une seule narration visuelle continue.
Le rouleau combinait des monuments urbains, des fleuves, des montagnes, des foules, de l’architecture, des étiquettes et des détails historiques denses sur une toile exceptionnellement large. SenseTime a indiqué que l’image a été produite directement par U1 Pro en haute résolution native, sans passer par un pipeline de conception manuelle distinct.
L’objectif global du modèle est plus important que cette seule démonstration.
SenseNova U1 Pro se positionne comme un modèle de fondation agent multimodal natif de qualité livrable. Au lieu de produire une image immédiatement après avoir reçu une instruction, il est conçu pour raisonner sur la mise en page, générer des ébauches, inspecter les résultats intermédiaires, réviser les zones locales et affiner la composition finale via un processus de génération plus long.
En d’autres termes, SenseTime tente de faire passer la génération d’images par IA de « créer quelque chose d’impressionnant visuellement » à « produire un actif utilisable dans un véritable flux de travail de conception ».
Un rouleau oriental en 8K conçu pour le WAIC
Le rouleau de la conférence utilise un format panoramique plus proche d’un rouleau manuscrit chinois traditionnel que d’une affiche standard ou d’une image de réseau social.
Il relie neuf années du WAIC à travers un paysage continu. La composition inclut :
- Des systèmes montagneux et aquatiques.
- Des monuments urbains.
- Des lieux de conférence.
- Des foules et des scènes publiques.
- De petites étiquettes et annotations.
- Des variations de tonalité visuelle selon les années.
- Une esthétique cohérente à l’encre et en couleur sur toute la largeur.
Créer une grande image de ce type est difficile pour plusieurs raisons.
Premièrement, une composition ultra-large doit rester cohérente d’un bout à l’autre. Un modèle peut générer des zones locales attrayantes tout en perdant la structure globale de la scène.
Deuxièmement, l’image contient de nombreux petits objets et étiquettes. Les erreurs à peine visibles dans un aperçu standard deviennent évidentes lorsque l’image est affichée sur un grand mur.
Troisièmement, la composition nécessite une continuité. Les bâtiments, les rivières, les routes, les montagnes et le texte ne doivent pas donner l’impression de fragments sans rapport collés ensemble.
SenseTime affirme que U1 Pro prend en charge une sortie jusqu’à la résolution 8K et des rapports d’aspect inhabituels. La page produit officielle présente cela comme une fonctionnalité de production destinée aux matériaux haute résolution et à la livraison visuelle détaillée.
La version en ligne du rouleau du WAIC est compressée, elle ne préserve donc pas la pleine qualité de l’actif d’affichage original.
Différentes scènes, un seul modèle de création
L’article de lancement a présenté U1 Pro à travers plusieurs
catégories visuelles plutôt que de limiter le modèle à un style signature unique.
Les exemples incluaient :
- Scènes panoramiques historiques.
- Affiches de films à suspense.
- Affiches de spectacles d’animation.
- Publicités pour produits premium.
- Affiches de musées et d’expositions.
- Infographies scientifiques.
- Conception d’information sur la catégorie du thé.
- Fiches de personnages.
- Illustrations de recettes.
Cette diversité est importante car le design commercial n’est pas une tâche unique.
Un modèle utile doit adapter sa composition, sa typographie, sa hiérarchie visuelle, son rendu des matériaux, son système de couleurs et sa densité d’information au format visé.
Panoramas historiques avec grands groupes de personnages
Un exemple a recréé le marché occidental de Chang’an sous la dynastie Tang dans une composition 21:9.
L’image contient une grande foule, plusieurs magasins, des chevaux, des musiciens, des marchands, des enfants, des lanternes et une architecture en couches.
Les scènes de groupe sont un point de défaillance courant pour les modèles d’images. Des visages répétés, des vêtements dupliqués, des mains mal formées, des échelles incohérentes et des poses copiées peuvent donner à la scène un aspect synthétique.
L’exemple U1 Pro tente de garder chaque personnage visuellement distinct tout en préservant la composition plus large de la rue. La lumière chaude des lanternes, les tons nocturnes froids, les reflets et la profondeur architecturale sont traités dans une seule scène.
Il s’agit encore d’une démonstration sélectionnée par l’entreprise plutôt que d’un benchmark indépendant. Cependant, elle montre le type de composition dense que SenseTime considère comme central pour le modèle.
Affiches avec espace narratif et typographie
Les supports de lancement comprenaient également une affiche de film à suspense de l’ère républicaine à Shanghai.
La composition utilise la pluie, les reflets sur le verre, le brouillard, l’éclairage de rue et plusieurs personnages à différentes profondeurs.
L’intérêt de cet exemple n’est pas seulement le photoréalisme. Le modèle doit comprendre comment les éléments visuels soutiennent un récit :
- Quel personnage est le sujet principal.
- Quels personnages doivent rester partiellement cachés.
- Comment les reflets se rapportent à l’espace réel.
- Où le titre doit se trouver.
- Comment l’environnement crée du suspense.
- Comment le texte secondaire doit rester subsidiaire.
Un autre exemple, Chang’an Never Sleeps, met en scène cinq musiciens, cinq instruments, des costumes distincts et une composition de scène or et rouge.
Ces échantillons montrent que U1 Pro est utilisé davantage comme un système de mise en page et de direction artistique que comme un simple générateur d’images à partir de prompts.
Publicité produit et rendu des matériaux
La publicité commerciale impose des exigences différentes à un modèle.
Un visuel produit doit préserver :
- La structure de l'emballage.
- La hiérarchie de la marque.
- La lisibilité des noms de produits.
- La cohérence des matériaux.
- La maîtrise des reflets.
- Une perspective précise.
- Un espace pour le texte marketing.
- Une composition qui dirige l'attention vers le produit.
La publicité pour le thé présentée dans le document source combine un emballage mat, des lettres dorées, de la porcelaine blanche, du bois, des feuilles de thé et de la vapeur.
Les incohérences de matériaux sont faciles à remarquer en publicité. Une boîte en carton qui ressemble à du plastique ou une tasse en céramique avec des reflets incorrects peuvent rendre l'ensemble du résultat inutilisable.
SenseTime présente U1 Pro comme capable de combiner plusieurs types de matériaux tout en maintenant un style visuel maîtrisé et un texte chinois lisible.
Affiches d'exposition et conception du passage du 2D au 3D
L'affiche d'exposition Montagnes et rivières entrent dans la peinture combine des formes d'encre et de lavis avec des montagnes et des nuages en trois dimensions.
La partie inférieure commence comme de l'encre s'étalant sur du papier. Les mêmes formes se transforment progressivement en montagnes avec une lumière et un volume réalistes.
Un ruban rouge se déplace à travers le paysage et guide le regard vers une petite silhouette humaine.
L'exemple démontre plusieurs capacités de conception :
- Maintenir un concept visuel unique sur l'ensemble de l'affiche.
- Combiner un rendu plat et volumétrique.
- Préserver un rapport d'échelle fort.
- Placer les informations sur l'événement dans la composition.
- Garder le titre chinois et les détails d'accompagnement lisibles.
Pour un actif de production, la précision du texte est aussi importante que la qualité visuelle. Une affiche avec une date ou un caractère incorrect ne peut pas simplement être notée comme « généralement correcte ».
Texte chinois long et logique scientifique
Les images riches en texte restent l'un des domaines les plus difficiles pour les systèmes de génération d'images.
Le modèle doit résoudre deux problèmes à la fois :
- Rendre les caractères demandés correctement.
- Placer ces caractères dans une structure d'information lisible.
L'infographie sur les phases lunaires présentée au lancement contient un titre, des paragraphes explicatifs, des étiquettes, des diagrammes et des fiches pédagogiques.
Elle doit également représenter la relation Soleil–Terre–Lune d'une manière physiquement significative.
Une infographie visuellement soignée peut encore échouer si la relation scientifique est erronée. Pour cette raison, les graphiques éducatifs riches en texte testent plus que la simple restitution de caractères de type OCR. Ils testent également l'organisation de l'information et le raisonnement par domaine.
Un autre exemple du lancement présente les six catégories principales
disposition radiale du thé chinois.
La composition combine :
- Noms de catégories.
- Illustrations de feuilles de thé.
- Couleurs de liquide.
- Lieux d’origine.
- Paysages en soutien.
- Ancre visuelle centrale.
- Modules répétés avec espacement cohérent.
La page produit officielle de SenseTime utilise désormais des infographies haute densité similaires pour démontrer la capacité d’"expression précise du contenu" du U1 Pro.
Un modèle conçu pour la livraison, pas seulement la génération
SenseTime présente U1 Pro comme un système pour des tâches de livraison multimodales complexes.
La distinction est importante.
Un générateur d’images traditionnel suit généralement ce processus :
Invite → Image
L’utilisateur décide si le résultat fonctionne. Si ce n’est pas le cas, il modifie l’invite ou utilise un autre outil d’édition.
U1 Pro est présenté comme utilisant un processus de création interne plus long :
Comprendre la demande
→ planifier la disposition
→ générer une composition initiale
→ inspecter le résultat
→ réviser les zones locales
→ combiner les éléments
→ affiner la typographie et les détails
→ livrer l’actif final
Les documents officiels et de lancement appellent cela une **boucle de génération agentique**.
Le modèle peut utiliser plusieurs actions visuelles plutôt que de se fier à un seul passage de génération ininterrompu :
- Générer.
- Modifier.
- Redessiner une zone sélectionnée.
- Composer plusieurs éléments.
- Inspecter ce qui a déjà été créé.
- Décider de la prochaine action à entreprendre.
Cette conception ressemble à l’évolution des systèmes de codage.
Un modèle de complétion de code prédit les lignes suivantes. Un système de codage agentique peut inspecter un référentiel, planifier une modification, éditer des fichiers, exécuter des tests, lire les erreurs et continuer jusqu’à ce que la tâche soit terminée.
L’argument de SenseTime est que la création visuelle évolue dans la même direction.
## Un seul caractère erroné peut rendre l’actif inutilisable
Les scores visuels moyens peuvent masquer un échec de production.
Supposons qu’une image contienne 100 caractères chinois et que 99 soient corrects. Un benchmark basé sur la précision moyenne des caractères peut attribuer un score élevé.
Une affiche destinée aux clients est différente.
Si le caractère incorrect apparaît dans un nom de produit, une date, une adresse, une déclaration scientifique ou un avis légal, l’actif peut devoir être rejeté.
Cela conduit à une définition plus stricte de la qualité :
> Une image de production n’est pas jugée selon que la plupart des éléments semblent corrects. Elle est jugée selon que l’actif complet peut être livré.
SenseTime aurait constitué un panel d’évaluation interne de 200 étudiants en art et designers professionnels.
La question était pratique :
> Seriez-vous prêt à livrer cette image à un client ?
L’article source indique qu’un modèle était considéré comme qualifié lorsqu’au moins 60 % des sorties évaluées étaient jugées directement livrables. SenseTime a rapporté que U1 Pro et GPT Image 2 étaient les seuls systèmes de sa comparaison à atteindre ce seuil.
L’entreprise a également rapporté que U1 Pro perforait particulièrement bien dans :
- Le rendu du texte chinois.
- La qualité du design graphique.
- La culture orientale.
détail.
- Dispositions à haute densité d’informations.
Ces résultats proviennent de la méthodologie d’évaluation interne de SenseTime. Ils sont utiles comme preuves produit, mais ne doivent pas être considérés comme un benchmark public reproduit de manière indépendante.
## NEO-unify : une architecture native unifiée
Le U1 Pro repose sur l’architecture **NEO-unify** de SenseTime.
Les premiers modèles SenseNova U1 ont été présentés et publiés en open source en avril
2026. Leur article de recherche décrit une approche native unifiée pour la compréhension, le raisonnement et la génération multimodaux.
De nombreux systèmes multimodaux sont assemblés à partir de composants distincts :
- Un encodeur visuel convertit les images en représentations pour la compréhension.
- Un modèle de langage traite le texte et le raisonnement.
- Un autoencodeur variationnel ou un décodeur d’image similaire gère la génération.
- Des adaptateurs supplémentaires connectent les composants.
Cette architecture peut bien fonctionner, mais les différents modules peuvent apprendre des espaces internes incompatibles.
NEO-unify adopte une approche différente.
SenseTime indique qu’il supprime l’encodeur visuel et le VAE séparés de l’architecture centrale, permettant ainsi aux informations textuelles et imagées de partager une seule représentation et un seul chemin de calcul basé sur Transformer.
Dans une vue simplifiée :
- Le texte entre sous forme d’intégrations de mots.
- Les images entrent sous forme d’intégrations de patches.
- Les deux sont traités à l’intérieur du même modèle.
- Le modèle peut décoder des jetons de texte ou des jetons de patches d’image dans une seule séquence autorégressive.
Le système n’a pas besoin d’un planificateur externe séparé pour décider qu’un module doit s’arrêter et qu’un autre doit commencer.
Le modèle prédit ce qui vient ensuite. Il peut continuer en texte, passer à des jetons d’image, puis revenir au texte.
SenseTime décrit cela comme le passage de l’intégration multimodale à l’unification multimodale native.
## Ce que les modèles open source SenseNova U1 ont établi
Avant le U1 Pro, SenseTime a publié deux principales variantes de SenseNova U1 :
| Modèle | Structure de base | Rôle principal |
|-|-|-|
| SenseNova-U1-8B-MoT | Fondation dense de compréhension 8B | Compréhension, raisonnement et génération unifiés |
| SenseNova-U1-A3B-MoT | 30B au total, environ 3B actifs MoE | Modèle unifié plus grand et épars |
Le projet de recherche couvre :
- La compréhension de texte.
- La perception visuelle-linguistique.
- Le raisonnement basé sur la connaissance.
- La prise de décision agentique.
- L’intelligence spatiale.
- La génération d’images.
- La génération d’infographies riches en texte.
- La génération entrelacée d’images et de texte.
- Les premières tâches Vision-Langage-Action et de modèle du monde.
SenseTime a ensuite publié des versions améliorées pour les infographies. Le dépôt officiel recommande actuellement **Infographic V3** pour un flux de travail intégré de génération et d’édition.
La famille U1 open source fournit des preuves publiques pour la direction sous-jacente du modèle unifié. Le U1 Pro est le modèle propriétaire plus grand, axé sur la livraison de production haut de gamme.
## Raisonnement visuel-texte entrelacé
Un processus de design de qualité livraison implique généralement un jugement intermédiaire.
Un designer peut décider :
1. Quelle information
le plus important.
2. Quelle grille ou composition correspond au format.
3. Où se trouve le sujet principal.
4. Quelles couleurs doivent dominer.
5. Combien d’espace le titre nécessite.
6. Quels détails doivent être simplifiés.
7. Si la première version semble équilibrée.
8. Quelle zone nécessite une correction locale.
SenseTime affirme que U1 Pro intègre une séquence similaire grâce à un **raisonnement visuel-textuel entrelacé**.
Le modèle n’a pas besoin de terminer l’image entière en une seule fois. Il peut alterner entre analyse interne et actions visuelles, en inspectant à plusieurs reprises l’état actuel.
Le processus d’entraînement décrit dans les entretiens publics comprend deux grandes étapes.
### Démarrage à froid basé sur des instructions
Creez un site vitrine et genere des leads en quelques minutes
Decrivez votre idee une fois, et We0 AI peut generer un site vitrine, des pages et un CMS, puis vous aider a attirer clients et trafic apres le lancement.
Une génération de projet complète pour une inscription gratuite
Idéal pour essayer un flux de génération complet et voir rapidement une première ébauche de projet.
L’équipe commence par organiser les jugements professionnels en matière de design en exemples de raisonnement structurés.
Ces exemples enseignent des principes d’ordre tels que :
- Établir la mise en page avant d’affiner la décoration.
- Définir les couleurs dominantes avant de travailler sur les petites textures.
- Stabiliser la hiérarchie visuelle principale avant d’ajouter du texte secondaire.
- Vérifier l’exactitude des informations avant le rendu final.
Apprentissage par renforcement avec récompenses multidimensionnelles
Le modèle reçoit ensuite des retours sur de nombreuses dimensions, notamment :
- Composition.
- Exactitude du texte.
- Esthétique visuelle.
- Cohérence.
- Hiérarchie de l’information.
- Précision du sujet.
- Qualité du matériau.
- Détail local.
- Capacité de livraison globale.
Le système de récompense est conçu pour aider le modèle à apprendre quelle action doit venir ensuite lors d’une longue tâche de création visuelle.
C’est la différence centrale entre « générer une fois » et « créer en boucle ».
8K natif sans croissance incontrôlée des tokens
La génération haute résolution crée un problème de calcul direct.
Lorsqu’une image est représentée sous forme de tokens visuels, l’augmentation de la résolution augmente le nombre de tokens. L’attention standard du Transformer devient plus coûteuse à mesure que la séquence s’allonge.
Si le nombre de tokens double, le calcul de l’attention complète de base peut augmenter d’environ quatre fois.
Une image 8K peut donc créer une charge de contexte et de calcul bien supérieure à celle d’une sortie standard 1K ou 2K.
Des entretiens publics avec l’équipe de SenseTime décrivent deux techniques utilisées par U1 Pro.
Patchs d’image plus grands de 32×32
De nombreux modèles d’image utilisent des patchs de 16×16.
U1 Pro utiliserait des patchs de 32×32 pour la génération haute résolution. Chaque token couvre une région d’image plus grande, réduisant le nombre de tokens visuels à environ un quart du nombre de patchs 16×16 à la même résolution.
Cela rend les sorties longues et haute résolution plus gérables.
Contrôle adaptatif hiérarchique du bruit
Les patchs plus grands créent un autre problème : chaque token doit représenter plus de pixels, ce qui peut réduire le contrôle sur les petits textes, les textures et les bords fins.
SenseTime indique qu’elle compense avec un contrôle adaptatif hiérarchique du bruit.
Les zones qui nécessitent plus de détails reçoivent un effort de génération plus ciblé, aidant le modèle à retrouver le contrôle sur la typographie et la texture sans revenir au nombre de tokens d’origine.
Le résultat, selon l’entreprise, est le support d’une sortie native jusqu’à 8K et de rapports d’aspect spéciaux sans permettre à la séquence de tokens visuels de croître de manière incontrôlée.
Ces détails proviennent de l’article de lancement et d’entretiens publics plutôt que d’un U1 complet.
Rapport technique professionnel. L'architecture complète du modèle de production, le nombre de paramètres, les données d'entraînement et les exigences d'inférence n'ont pas encore été divulgués publiquement.
Qualité de génération versus qualité de livraison
La compétition en matière de génération d'images s'est historiquement concentrée sur plusieurs étapes.
Étape 1 : Faire ressembler l'image à la demande
Les premiers systèmes avaient du mal à créer des objets reconnaissables et des scènes cohérentes.
Étape 2 : Rendre l'image réaliste
Les systèmes ultérieurs ont amélioré l'éclairage, la texture, l'anatomie, le rendu des matériaux et les détails photographiques.
Étape 3 : Rendre l'image utilisable
Une image utilisable nécessite plus que du réalisme.
Elle peut nécessiter :
- Un texte correct.
- Des informations précises.
- Une mise en page professionnelle.
- Une image de marque cohérente.
- Des dimensions appropriées.
- Une structure modifiable ou une révision locale fiable.
- Des résultats stables après plusieurs tentatives.
- Des détails de qualité d'impression.
- Un processus d'approbation clair.
SenseTime qualifie cette transition de passage de la génération visuelle à la Génération Raisonnée et à la Création Agentique.
L'argument n'est pas qu'un modèle a résolu tous les problèmes de conception. Il s'agit plutôt de ce que la cible d'évaluation change.
Une belle image peut encore être un livrable raté.
Comparaison avec GPT Image 2
L'article source inclut une comparaison d'affiches de recettes entre U1 Pro et GPT Image 2.
L'article a préféré la composition plus nette d'U1 Pro, sa hiérarchie plus directe et son rendu de texte chinois plus fort, tout en décrivant le résultat GPT comme plus encombré et contenant des pseudo-caractères dans un petit texte décoratif.
Cette comparaison doit être lue attentivement.
Une seule invite et une paire de sorties sélectionnées n'établissent pas un leadership universel du modèle. Les systèmes d'images peuvent produire des résultats différents selon les graines, les paramètres, les versions d'invite et les flux de travail d'édition.
Une comparaison utile devrait tester :
- Plusieurs catégories d'invites.
- Plusieurs générations par invite.
- La précision du texte.
- La cohérence de la mise en page.
- La modifiabilité.
- Le respect de l'image de référence.
- Le coût.
- La latence.
- La résolution.
- Le taux d'échec.
- La préférence humaine.
- Si l'actif final peut être livré.
L'évaluation interne du designer de SenseTime est plus significative qu'une paire sélectionnée, mais elle est toujours menée par l'entreprise.
La conclusion la plus solide soutenue par les preuves disponibles est qu'U1 Pro semble très compétitif en typographie chinoise, conception d'informations denses, détail visuel oriental et composition native haute résolution.
Disponibilité et statut de publication
SenseNova U1 Pro a été officiellement dévoilé, et SenseTime a publié une galerie de produits officielle.
Cependant, il n'est pas encore généralement disponible en tant que produit API public complet.
L'annonce officielle de SenseTime sur les réseaux sociaux indique :
- Un aperçu sur invitation seulement est disponible.
- Le lancement officiel de l'API et la tarification sont prévus pour août 2026.
En date du 22 juillet 2026, la page produit publique démontre les capacités du modèle mais ne fournit pas de tarification API complète, de limites de débit ou d'instructions d'auto-hébergement.
U1 Pro ne doit pas être confondu avec les modèles SenseNova U1 open-source.
| Produit | Disponibilité |
|---|---|
| Modèles de base SenseNova U1 | Poids, code et article open-source disponibles |
| SenseNova U1 Infographic V2/V3 | Amélioré en open-source |
| Modèles d'infographie disponibles |
| SenseNova U1 Pro | Aperçu sur invitation uniquement ; API officielle et tarification prévues pour août 2026 |
| SenseNova-Vision | Modèle unifié open source de vision par ordinateur et recherche disponibles |
Les développeurs souhaitant expérimenter immédiatement peuvent commencer avec le dépôt public SenseNova U1 et les versions Hugging Face.
Ce qui n'a pas encore été divulgué
Plusieurs détails importants sur U1 Pro restent inaccessibles au public :
- Nombre de paramètres.
- Nombre de paramètres actifs.
- Description complète des données d'entraînement.
- Exigences matérielles.
- Latence de génération à 8K.
- Limites de taux de l'API.
- Tarification de l'API.
- Interfaces d'édition prises en charge.
- Politique de conservation des données commerciales.
- Comportement du filtre de sécurité.
- Si les poids du modèle seront publiés.
- Résultats de référence indépendants sur un large ensemble de prompts.
Les preuves actuelles se composent principalement de démonstrations de l'entreprise, de la galerie de produits officielle, de résultats d'évaluation internes, d'entretiens publics et de la base technique établie par la famille open source U1.
Les équipes envisageant une utilisation en production devraient attendre la documentation de l'API et effectuer leur propre évaluation.
Comment évaluer U1 Pro pour un travail de design réel
Lorsque l'accès public sera disponible, une évaluation pratique devrait utiliser des livrables réels plutôt que uniquement des prompts artistiques.
- Construisez un ensemble de prompts représentatif
Incluez :
- Publicités de produits.
- Affiches d'événements.
- Infographies éducatives.
- Fiches de personnages.
- Couvertures de réseaux sociaux.
- Mises en page de magazines.
- Diagrammes scientifiques.
- Actifs à forte identité de marque.
- Images ultra-larges.
- Longs textes en chinois.
- Testez les exigences de texte exactes
Utilisez du texte connu et vérifiez chaque caractère.
Mesurez :
- Précision du titre.
- Précision du corps du texte.
- Nombres.
- Dates.
- Adresses.
- Noms de produits.
- Ponctuation.
- Étiquettes répétées.
- Générez plusieurs résultats
Un modèle qui produit une image excellente et neuf inutilisables peut être moins précieux qu'un modèle légèrement plus faible avec des résultats constants.
Suivez le taux de réussite, pas seulement le meilleur échantillon.
- Testez la révision locale
Demandez au modèle de modifier un élément tout en préservant tout le reste.
Exemples :
- Corriger une date.
- Remplacer la couleur du produit.
- Déplacer le titre.
- Supprimer un personnage.
- Changer l'arrière-plan.
- Mettre à jour le lieu.
- Conserver la mise en page tout en traduisant le texte.
- Inspectez à la taille de sortie finale
Ne jugez pas un actif 8K uniquement à partir d'un aperçu réduit dans le navigateur.
Zoomez sur :
- Petits textes.
- Mains et visages.
- Qualité des bords.
- Logos de produits.
- Motifs répétés.
- Textures fines.
- Étiquettes de diagrammes.
- Relations de perspective.
- Comparez le coût complet du flux de travail
Incluez :
- Temps de génération.
- Coût de l'API.
- Nombre de tentatives.
- Temps de correction humaine.
- Édition externe.
- Mise à l'échelle.
- Réparation typographique.
- Approbation et exportation.
La génération la moins chère n'est pas nécessairement le livrable le moins cher.
D'une image à un système visuel unifié
U1 Pro est actuellement axé sur la création visuelle, mais SenseTime présente NEO-unify comme une base plus large.
La feuille de route de l'entreprise comprend :
- Perception visuelle générale.
- Intelligence spatiale.
- Systèmes Vision-Langage-Action.
- Intelligence incarnée.
- Modèles du monde.
- Urbanisme.
- Architecture et design.
design industriel.
SenseTime a déjà lancé SenseNova-Vision, qui exprime les tâches traditionnelles de vision par ordinateur à travers un seul cadre de génération multimodale.
Le modèle couvre des tâches telles que :
- Détection d’objets.
- OCR.
- Estimation de points clés.
- Segmentation.
- Prédiction de profondeur.
- Normales de surface.
- Cartes de points.
- Estimation de pose de caméra.
- Géométrie visuelle multi-vue.
Plutôt que d’ajouter une tête de prédiction distincte pour chaque tâche, SenseNova-Vision génère du texte, des images ou des sorties mixtes en fonction de la tâche visuelle demandée.
Cela soutient la direction plus large "Words to Worlds" de SenseTime : le langage et la vision ne devraient pas rester des systèmes séparés connectés par des adaptateurs. Ils devraient se développer au sein d’un seul modèle capable de comprendre, générer et, finalement, agir.
Ce que U1 Pro essaie de prouver
Le message de lancement peut être résumé en une affirmation pratique :
"Ça a l’air bien" ne devrait pas être le critère final pour le contenu visuel généré par IA. "Ça peut être utilisé" devrait être le critère.
U1 Pro tente d’atteindre ce critère à travers cinq idées connectées :
- Une architecture unifiée native pour le texte et les images.
- Un raisonnement entrelacé et des actions visuelles.
- Une longue boucle de génération d’agent.
- Une sortie haute résolution jusqu’au 8K.
- Une évaluation basée sur la délivrabilité complète plutôt que sur la beauté isolée.
La question de savoir si le modèle atteint systématiquement ce niveau deviendra plus claire après un accès API plus large, des tests indépendants et des flux de travail réels de clients.
Le lancement marque néanmoins un changement important dans le positionnement des modèles d’image.
Ils ne sont plus présentés uniquement comme des générateurs d’images.
Ils sont présentés comme des agents de production visuelle.
Questions fréquemment posées
Qu’est-ce que SenseNova U1 Pro ?
SenseNova U1 Pro est le modèle multimodal natif phare de SenseTime pour les tâches complexes de création visuelle. Il unifie la compréhension, la génération et l’action, et est conçu pour produire des actifs visuels de plus haute résolution, plus riches en texte et plus prêts à l’emploi.
SenseNova U1 Pro peut-il générer des images natives en 8K ?
La page produit officielle de SenseTime indique que U1 Pro prend en charge une sortie jusqu’au 8K et des ratios d’aspect spéciaux. Les options de résolution réelles, la latence, les formats de fichier et les limitations de l’API doivent être confirmés lorsque la documentation publique de l’API sera disponible.
SenseNova U1 Pro est-il open source ?
Aucun poids public de U1 Pro n’a été publié. Les modèles de base U1 et d’infographie SenseNova antérieurs sont open source, tandis que U1 Pro est actuellement un produit phare propriétaire disponible via un aperçu sur invitation uniquement.
Quand l’API SenseNova U1 Pro sera-t-elle disponible ?
L’annonce officielle de SenseTime indique que l’API et la tarification sont prévues pour août
2026. En date du 22 juillet, la page produit publique est en ligne, mais l’accès complet à l’API publique et la tarification n’ont pas encore été publiés.
Qu’est-ce que NEO-unify ?
NEO-unify est l’architecture multimodale native de SenseTime pour une compréhension et une génération unifiées. Elle supprime la séparation conventionnelle entre un encodeur visuel, un modèle de langage et un VAE d’image, de sorte que les jetons de texte et d’image puissent être traités au sein d’un seul système basé sur Transformer.
Qu’est-ce qu’une boucle de génération d’agent ?
C’est un processus de création en plusieurs étapes dans lequel le modèle planifie, génère, inspecte,
édite, repeint, compose et affine une image avant la livraison. Le modèle est conçu pour choisir la prochaine action visuelle en fonction du résultat intermédiaire actuel.
U1 Pro est-il meilleur que GPT Image 2 ?
SenseTime indique que U1 Pro était compétitif par rapport à GPT Image 2 lors d'une évaluation interne et a obtenu de bons résultats en matière de texte chinois, de qualité de conception et de détails culturels orientaux. Des tests indépendants approfondis sont encore nécessaires, et les performances varieront en fonction du prompt, du flux de travail et de la méthode d'évaluation.
Les développeurs peuvent-ils essayer la technologie SenseNova U1 dès maintenant ?
Oui. SenseTime a publié l'article de recherche SenseNova U1, le dépôt GitHub, les poids Hugging Face et les modèles améliorés par infographie. Ceux-ci ne sont pas identiques à U1 Pro, mais ils donnent accès à l'orientation sous-jacente du modèle unifié.
Outils connexes
- SenseNova U1 Pro : Galerie de produits officielle et aperçu des capacités du modèle de création phare de SenseTime.
- Dépôt GitHub SenseNova U1 : Code open-source officiel, documentation, informations sur le modèle et publications d'infographies.
- SenseNova sur Hugging Face : Poids officiels du modèle, fiches techniques et ressources de recherche.
- SenseNova U1 Infographic V3 : Version open-source U1 recommandée pour la génération et l'édition d'infographies.
- SenseNova-Vision : Modèle de vision par ordinateur unifié open-source et corpus de SenseTime.
- Plateforme SenseNova : Console de modèles officielle et plateforme développeur de SenseTime.
Liens connexes
- Page produit officielle SenseNova U1 Pro : Exemples officiels couvrant la sortie 8K, les informations complexes, la conception professionnelle et plusieurs scénarios visuels.
- Aperçu WAIC 2026 de SenseTime : Annonce officielle de SenseTime présentant U1 Pro et son lancement au WAIC.
- Annonce open-source officielle SenseNova U1 : Présentation officielle de la famille de modèles unifiés de compréhension et de génération open-source.
- Article de recherche SenseNova U1 : Article technique décrivant l'architecture NEO-unify et les modèles U1 originaux.
- Blog technique NEO-unify : Aperçu technique de SenseTime sur l'architecture native unifiée.
- Dépôt GitHub SenseNova U1 : Code officiel, liens vers les modèles, détails de l'architecture et documentation sur les infographies.
- Article de recherche SenseNova-Vision : Recherche sur l'expression de tâches traditionnelles de vision par ordinateur grâce à la génération multimodale unifiée.
Résumé
SenseNova U1 Pro est la tentative de SenseTime de faire passer la génération d'images dans une catégorie plus exigeante : la livraison de production. Il combine l'unification multimodale native, le raisonnement visuel-texte entrelacé, une boucle de création agentique, le rendu dense de texte chinois et une sortie allant jusqu'à 8K.
Le défilement WAIC et les exemples de lancement
démontrent des mises en page exceptionnellement complexes, de grands groupes, la typographie chinoise, l’infographie scientifique, la publicité produit et les styles visuels orientaux. Il s’agit d’exemples sélectionnés par l’entreprise, et la comparaison rapportée avec GPT Image 2 provient de l’évaluation interne de SenseTime plutôt que d’un benchmark public pleinement indépendant.
L’U1 Pro est actuellement accessible uniquement sur invitation, avec un accès public via API et une tarification prévus pour août
2026. Les développeurs peuvent dès à présent explorer les modèles open source SenseNova U1 et les modèles d’infographie, mais ces versions ne sont pas équivalentes au système Pro.
Le changement fondamental consiste à passer de la question « L’IA peut-elle générer une belle image ? » à « Peut-elle produire de manière fiable un actif visuel complet ? »
