Un modelo de ocho mil millones de parámetros que lee imágenes y las dibuja en 4K, con licencia Apache, y la comunidad lo tenía funcionando en dos días
SenseTime publicó los pesos de SenseNova-U1.5-8B-MoT en Hugging Face el 19 de agosto bajo licencia Apache-2.0, seguidos ese mismo día por una variante ajustada y por un conjunto de LoRAs el 20 de agosto. No es una tubería de piezas sino un único modelo multimodal nativo: los mismos ocho mil millones de parámetros que miran una imagen también la generan y la editan, un enfoque que el laboratorio llama NEO-unify. Las notas de la versión reclaman seis mejoras concretas frente a la anterior: mejor composición y representación de materiales, texto chino e inglés más legible en carteles e infografías, generación nativa en 4K más eficiente, ediciones que dejan intacto lo que no se tocó, mayor fidelidad a instrucciones que acumulan recuentos de objetos y relaciones espaciales, y control más fino mediante cajas delimitadoras e imágenes de referencia. Más fácil de comprobar es lo que vino después. En unas cuarenta y ocho horas la comunidad publicó conversiones GGUF y FP8, una exportación ONNX y un paquete para ComfyUI, de modo que el modelo corre en equipos de escritorio corrientes. El repositorio principal va por unas 950 descargas y 91 me gusta; el código de referencia está en GitHub y los pesos también en ModelScope. Un límite honesto: SenseTime publicó sus comparativas como gráficos y no como tablas, y todavía no hay evaluación independiente, así que conviene leer las afirmaciones de ranking como propias del laboratorio.
Noticias relacionadas
Un modelo etiqueta el vídeo grabado desde la vista del robot.2026-10-07El nuevo modelo de búsqueda de Google cabe en 191 megabytes.
2026-10-07Mistral regalará este mes su modelo de un billón de parámetros.
2026-10-06Reflection regalará un modelo de 501.000 millones de parámetros.
2026-10-06ChatGPT firma sus viñetas falsas con el nombre de dibujantes reales.
2026-10-06