商汤科技推出SenseNova U1信息图增强版V2 聚焦小字清晰度与复杂排版

商汤科技近日对SenseNova U1信息图增强版进行迭代，正式发布SenseNova U1信息图增强版V2（SenseNova-U1-8B-MoT-Infographic-V2）。该模型权重已在Hugging Face和魔搭社区开放，相关代码、文档与示例同步上线GitHub。

技术迭代回应行业趋势

商汤方面表示，随着GPT-Image-2等新一代商业图像生成模型的出现，行业对高信息密度图像生成能力的要求在快速提高。模型不仅需要“画得像”，还需处理更长文本、更复杂的版式结构，以及更稳定的图文对应关系。

“我们希望把这类高信息密度图像生成能力，以更开放、更轻量的8B-MoT模型形式持续推进，让开源模型在小字清晰度、复杂排版和视觉质感上不断向行业前沿靠近。”——商汤科技

核心能力升级：从准确到美观

据商汤介绍，前一代版本SenseNova U1信息图增强版（SenseNova U1-8B-MoT-Infographic）已实现文字准确、图表可靠、背景稳定。而V2版本的跨越式突破，在于让AI能够将信息图“做得更美”。

• 小字更清晰：在信息图中密集排布的小号文字，V2版本的生成质量得到专项提升。
• 排版疏密有致：模型能够处理更复杂的版式结构，使页面布局更为合理。
• 视觉质感看齐专业：整体生成效果向专业设计师水平靠拢。

产品背景解读

所谓“8B-MoT模型”，是指拥有约80亿参数、采用混合任务（Mixture of Tasks, MoT）架构的轻量化模型。相较于更大参数规模的模型，8B级别的模型在保持生成能力的同时，更易于部署和开放使用，这也是该模型以“更开放”“更轻量”形式推进产业应用的技术基础。

随着V2版本发布，商汤将信息图生成能力从“可用”向“可商用”进一步推进，对于需要高频生成海报、数据图表、宣传图等视觉内容的创作者而言，这一迭代意味着更低的排版成本和更高的输出效果。

AI图像生成模型V2版发布：小字清晰度与边缘锐利度显著提升

近日，某AI图像生成模型发布V2版本更新。本次升级聚焦于文本渲染能力，特别是信息图中常见的小字号文字、数据来源、表格注释、坐标轴标签及免责声明等辅助信息的呈现质量。

核心升级：小文本可读性提升

在V1版本中，模型生成的图片边缘易出现模糊和笔画粘连现象，导致用户需要反复放大才能辨识关键信息。V2版本通过优化算法，提升了小字文本的边缘锐利度和清晰度，使各类辅助信息在正常阅读距离下即可“一目了然”。

小字文本通常指字号小于8pt的字符，在信息图中承担脚注、数据注释等辅助说明功能，是专业图表作品的重要组成部分。

对行业应用的潜在影响

此升级直接惠及需要生成高质量信息图表的场景，如报纸版面设计、数据可视化报告等。业内人士指出，小字清晰度的改善有助于提升最终作品的视觉专业度与信息传达效率。

技术改进方向

• 边缘锐利度提升：减少笔画粘连，使字符轮廓更分明。
• 正常阅读距离可用：无需额外放大即可辨读密集的小字区域。

AI设计模型V2版本发布 聚焦复杂密集排版与整体美观度提升

日前，一款面向商业海报、游戏指南、知识图谱等场景的AI设计模型推出V2版本升级。此次更新将复杂密集排版与整体美观度作为核心优化方向，旨在解决高密度信息图中模块挤压、视觉路径混乱等问题。

排版逻辑的底层重构

V2版本通过培养模型对网络结构、视觉层级和语义对应关系的深层理解，使生成画面在信息密集时实现疏密有致、条理清晰的排版效果。其中，“网络结构”指信息图节点间的连接关系，“视觉层级”决定元素的主次顺序，“语义对应关系”则确保图形与内容逻辑匹配。三者协同训练后，模型能够自动规避模块重叠与堆砌。

场景覆盖与可用性提升

在商业海报、游戏指南、知识图谱等典型应用场景中，V2版本生成的图像在专业度、美观精致度和整图可用性方面均出现显著改善。业内人士指出，这一升级直接降低了设计人员在复杂排版中的手动调整成本。

当信息密度极高时，信息图的模块之间容易相互挤压，导致视觉路径混乱、阅读体验差。V2版本通过深层理解排版规则，让画面整体更协调。

目前该版本已在部分测试环境中部署，后续将逐步开放至正式商业服务。

信息图增强版V2发布：小字渲染与密集排版专项强化，多项基准得分提升

在开源图像生成领域，一项主要针对信息图场景的模型迭代近日完成。新版V2通过底层训练机制重构，在保持通用能力的同时，对真实场景中高频出现的密集排版、小字号渲染与视觉美感进行了定向突破。

训练机制三重升级：从数据到策略全面优化

研发团队在中期训练（MT）与监督微调（SFT）阶段引进了更多高质量合成及真实数据，重新平衡了信息图相关样本与其他数据之间的分布比例。这一调整使模型在小字渲染、复杂密集排版和高美观度生成三项能力上获得专项强化。

在视觉质感维度，RL（强化学习）阶段加入了DPO（直接偏好优化）训练——一种直接从人类视觉审美偏好出发的优化方法，不依赖手工设计的奖励函数，而是让模型学习哪些输出更符合用户主观喜好。

稳定性提升：GRPO阶段优化奖励配方

为了让模型避免非预期暗色背景的出现，开发者在GRPO（组相对策略优化）阶段进一步优化了奖励配方（reward recipe）。所谓组相对策略优化，是指模型在生成一批候选结果后，通过组内比较来更新策略，从而在机制上增强输出稳定性。

基准测试成绩：较前代显著提升

• 在BizGeneval困难与简单测试集上，V2版本得分从旧版的46.6/65.4跃升至50.3/67.9，分别提升+3.7和+2.5。
• 在IGenBench的Q-ACC与I-ACC指标上，由69.5/17.0提高到71.4/18.3，分别提升+1.9和+1.3。

上述成绩表明，新版在信息图领域开源模型中继续保持领先，且各项指标的同步增长验证了专项与通用能力并重的训练策略有效性。对于需要生成商业图表、宣传海报或数据报告的用户而言，这一迭代意味着更可靠的密集文字渲染和更稳定的整体视觉效果。

V2版本通用生成能力测评得分55.4/53.5 与上版基本持平

据最新版本测试显示，V2版本在通用生成能力方面保持稳定态势。综合测评指标OneIG（分别对应英文与中文）得分分别为55.4和53.5，与上一版本基本持平。

测评结果解读

该指标用于评估模型的通用生成能力，V2版本在取得该成绩的同时，其信息图专项能力实现显著提升。这意味着V2版本在强化特定功能时，并未对基础生成质量造成明显损耗。

OneIG(EN/ZH)得分：55.4 / 53.5，与上一版基本持平

本次测评结果反映出，版本迭代在平衡专项能力与通用能力方面取得了预期效果，为后续应用场景扩展提供了稳定基础。

V2 在多项基准测试中的综合能力表现公布

V2 的评估结果覆盖了 OneIG（EN, ZH）、LongText（EN, ZH）、BizGeneval（Easy, Hard）、CVTG 与 IGenBench 等多个自然语言处理基准测试，其综合能力表现受到行业关注。

测试基准与语言覆盖

OneIG 和 LongText 两个基准测试均同时提供了英文（EN）和中文（ZH）两种语言的任务版本；BizGeneval 则设置了简单（Easy）和困难（Hard）两种难度模式。这一结构设计使评估能够涵盖不同语言类型与任务复杂度的场景。

评估范围与逻辑

• OneIG (EN, ZH)：跨语言通用性测试，包含英文与中文任务。
• LongText (EN, ZH)：长文本处理能力测试，同样覆盖双语言。
• BizGeneval (Easy, Hard)：商业领域生成任务，区分简单与困难难度。
• CVTG：具体任务类型未在素材中进一步说明。
• IGenBench：具体测试范畴未在素材中展开。

V2 在 OneIG (EN, ZH), LongText (EN, ZH), BizGeneval (Easy, Hard), CVTG and IGenBench 的综合能力表现

评估意义

通过覆盖不同类型与难度的基准测试，本次综合能力表现评估在一定程度上反映了 V2 在多语言、多任务场景下的处理水平。业内人士指出，此类多维度测试有助于衡量模型在实际应用中的泛化能力。