商汤颠覆性开源 SenseNova-U1：摒弃 VAE，原生统一图文理解与生成

商汤科技开源了全新的多模态模型家族 SenseNova-U1，打破了 Stable Diffusion 的传统范式，无需 VAE 和独立视觉编码器，仅通过一个端到端的 Transformer 实现像素级与文本的统一处理。该模型在文字渲染上取得重大突破，能清晰生成海报、PPT 等高密度信息图，并具备原生图文交错生成能力。更值得注意的是其推理驱动的编辑功能，能基于物理逻辑直接生成或修改图像，无需 Mask，标志着多模态 AI 向原生统一架构迈出了重要一步。