SenseTime、画像生成モデル SenseNova-U1.5-8B-MoT を公開──ネイティブ 4K 出力とマルチモーダル統合を最適化
NEO-unify アーキテクチャを基盤に、ローカル編集や多言語テキスト描画の精度を高めた 8B パラメータの統合型ビジュアル生成モデル。
リリース: 2026-05-12 · 読了 3 分記事の要約
1. 核心（What）
- SenseTime が 80 億パラメータのネイティブ統合マルチモーダルモデル SenseNova-U1.5-8B-MoT を HuggingFace で公開した。
- ネオアーキテクチャ NEO-unify をベースに、パッチ化レイヤーやデータ品質、ポストトレーニングパイプラインを刷新している。
- ネイティブ 4K 生成や、日英テキストの混在レンダリング、バウンディングボックスによる高精度な領域制御に対応した。
- ライセンスは Apache 2.0 License が適用され、GitHub でリファレンス実装と推論スクリプトが提供されている。
2. 影響（Why）
- 実務的な画像編集の安定性: 被写体の同一性を保持したまま部分置換やマルチリファレンス編集を行えるため、デザイン制作ツールのインテグレーションにおいて実装の工数を大幅に削減できる。
- 国内クリエイティブ開発への影響: [国内 画像生成 SaaS 業種] のような中規模事業者は、商用 API に依存しない高精細な 4K ネイティブ生成パイプラインを自社インフラへ組み込む有力な OSS 選択肢を得た。
3. 根拠・詳細（How）
- 実行環境と推論の仕様: Python 3.11、PyTorch 2.8、CUDA 12.8 を上流環境とし、uv コマンドを用いた依存関係の同期に対応。公式リポジトリから t2i および editing の推論スクリプトを実行可能。
- アーキテクチャとライセンス: NEO-unify フレームワークをベースに構築されたネイティブマルチモーダルモデルであり、Apache 2.0 License のもと商用利用を含む自由な改変・再配布が許可されている。
4. 展望・課題（Next）
- 既知の課題と調整: 高周波ディテールの過剰強調や、微細なテキストの誤り、複雑なレイアウトにおける崩れが報告されており、cfg_scale の調整による対策が推奨されている。