Ein Modell mit acht Milliarden Parametern, das Bilder liest und in 4K zeichnet, unter Apache-Lizenz — und die Community hatte es in zwei Tagen laufen

SenseTime stellte die Gewichte von SenseNova-U1.5-8B-MoT am 19. August unter Apache-2.0-Lizenz auf Hugging Face, am selben Tag folgte eine feinabgestimmte Variante, am 20. August ein Satz LoRAs. Es ist keine Verarbeitungskette, sondern ein einziges natives multimodales Modell: Dieselben acht Milliarden Parameter, die ein Bild ansehen, erzeugen und bearbeiten es auch — das Labor nennt den Ansatz NEO-unify. Die Versionshinweise beanspruchen sechs konkrete Verbesserungen gegenüber der Vorversion: bessere Komposition und Materialdarstellung, lesbarerer chinesischer und englischer Text in Plakaten und Infografiken, effizientere native 4K-Erzeugung, Bearbeitungen, die unberührte Bildteile in Ruhe lassen, zuverlässigeres Befolgen von Anweisungen, die Objektzahlen und räumliche Beziehungen stapeln, und feinere Steuerung über Begrenzungsrahmen und Referenzbilder. Leichter zu prüfen ist, was danach geschah. Binnen rund achtundvierzig Stunden hatte die Community GGUF- und FP8-Konvertierungen, einen ONNX-Export und ein ComfyUI-Paket geliefert, sodass das Modell auf gewöhnlichen Arbeitsplatzrechnern läuft. Das Hauptrepository steht bei etwa 950 Downloads und 91 Likes; Referenzcode liegt auf GitHub, die Gewichte auch auf ModelScope. Eine ehrliche Grenze: SenseTime veröffentlichte seine Vergleichsmessungen als Diagramme statt als Tabellen, und eine unabhängige Auswertung fehlt bislang — die Ranglistenaussagen sind also die des Labors.

✓ Verifiziert · 4 Quellen

Verwandte Meldungen