商汤发布国产开源4K文生图模型U1.5-Lite-Preview，通过重构生成头与4K原生训练显著提升画质与细节表现；Prompt Enhance强化长提示控制力，兼顾易用性与专业精度；多维度评测全面领先，实测验证其在高信息密度图解、框架级视觉重编辑及复杂字体重构等前沿任务中的卓越能力。
为突破4K超分瓶颈，商汤科技重构生成头架构，弱化视觉Token网格干扰，并全程以4K分辨率训练——显著提升纹理细腻度、材质真实感与光影连贯性，有效抑制传统生成中常见的网格伪影、拼接痕迹与纹理断裂。长文本提示控制能力通过Prompt Enhance模块大幅增强：日常创作一句自然语言即可启动；面对海报、信息图、品牌视觉等复杂任务，用户可分层指定构图、风格、文字排布、比例关系及禁用元素，实现高精度意图对齐——长Prompt非但未抬高门槛，反而拓展了专业级创作的控制边界。评测表现亮眼：在Qwen-Image-Bench（启用Prompt Enhance）中得分跃升至55.20（+8.06），ImgEdit-Bench达4.37（+0.47），GEdit-Bench英文/中文分别提升至8.17/8.05；WeEdit榜单Overall Average达6.44。实测案例印证其深度理解力：一张黑白蚀刻风复古相机拆解图，精准整合时间线、结构层级、光学路径与视觉焦点，信息密度高却逻辑清晰；另一组‘MUSE’六步流程图改稿，仅替换核心主视觉而完整保留原有框架、配色与信息流，展现强上下文一致性；更挑战性任务中，模型成功将设计感强烈的艺术字体‘迎’字无损重构为‘命’字，在笔画结构、负空间与整体气质上实现语义与美学双重对齐。
来源：量子位