商汤在 WAIC 2026 推出 U1 Pro 并开源 5000 万样本视觉数据集
机器之心 · wechat · 2026-07-21
这篇公众号文章把商汤在 WAIC 2026 的两项动作放在一起看：日日新 SenseNova U1 Pro 和 SenseNova-Vision。
U1 Pro
- 面向长程交付任务的原生多模态智能体基座模型。
- 号称把理解、生成、编辑统一到同一表征空间里。
- 技术上强调近乎无损的视觉接口、原生 MoT 架构，以及文本/像素的统一训练。
- 文章称它可围绕复杂目标跑多轮 Agentic Generation Loop，实现风格与局部文本同步修正。
SenseNova-Vision
- 把目标检测、分割、深度估计、三维重建等经典视觉任务，改写为原生多模态生成问题。
- 不再依赖 task-specific heads，而是在同一空间里统一建模文本、像素、语义和几何。
- 商汤还开源了 SN-VC-50M，一个包含 5000 万 视觉监督样本的数据集。
- 文中称它在结构化视觉理解上达到 SOTA，并在几何、分割等任务上接近顶尖专用模型。
文章的整体观点是：视觉 AI 正从“模块拼接”走向“统一基座”，未来大模型要同时吸收理解、生成、感知与行动能力。
所属事件:商汤发布多模态基座U1 Pro并开源视觉数据集(6 条相关)→
「多模态」频道最新
- Fish Audio 开源发布 Drama 3 TTS,博主演示旧帖一键转有声视频 — alex_verem · 2026-10-27
- Reddit 用户用 ComfyUI 生成逼真「清晨公交」短片 — no3us · 2026-10-27
- 网友为 MOSS 模型做模糊/防模糊 Slider LoRA,负权重让背景更清晰 — NoMouse9610 · 2026-10-27
- PixGR：像素空间生成式解码加速前馈 3D 高斯重建 — kwangmoo_yi · 2026-10-27
- Krea-2 Turbo 搭配 ComfyUI 做产品广告图，作者晒提示词与成片效果 — comfy-king-999 · 2026-10-27
- Marigold V2 深度估计支持高分辨率分块推理，登陆 ComfyUI — AntonObukhov1 · 2026-10-27