Dies ist möglicherweise das atemberaubendste Bild auf der diesjährigen WAIC!
Jin Lei, aus Shanghai, QbitAI | Offizielles Konto QbitAI
Gerade ist im Bereich der Bildgenerierung ein neues einheimisches Modell erschienen —
Es gibt nicht nur natives 8K direkt aus, sondern kann auch selbst Skizzen anfertigen, Designs erstellen und die Ergebnisse selbst überprüfen!
Schau mal, diese extrem lange 8K-Bild unten wurde von ihm erstellt:
△ Die Größe dieses Bildes ist begrenzt. Das Original ist 51 MB groß, und die Schrift ist nach dem Vergrößern klar und deutlich.
Das Thema dieses langen Werks lautet „9. Jahrestag von WAIC 2018—2026“; von links nach rechts wird die Zeit nacheinander dargestellt, und die Highlights jeder Ausgabe sind darin enthalten.
Vielleicht fragst du dich: Kann die Detailgenauigkeit bei einem so großen Bild stabil bleiben?
Gute Frage, wir schauen es uns jetzt mit „Lupe“ genauer an:
Jedes Wort ist klar und deutlich.
Das ist das neueste Modell, das SenseTime gerade auf der WAIC 2026 vorgestellt hat — SenseNova U1 Pro.
Einfach ausgedrückt ist U1 Pro ein Auslieferungssystem für komplexe multimodale Aufgaben. Es soll das Ziel verstehen, planen, Informationen organisieren, multimodal generieren, überprüfen und korrigieren, um das Endergebnis zu liefern. Sein Kern ist die native Einheit von Verstehen, Generieren und Handeln.
Nach der Vorstellung des gesamten Releases lassen sich die Highlights von U1 Pro in drei Punkte zusammenfassen:
Native 8K-Ausgabe: Der Schwerpunkt liegt nicht nur auf höherer Pixelzahl, sondern auch darauf, Text, Komposition und Details in einem extrem großen Bildformat beizubehalten;
Vernetztes Denken von Text und Bild: Das Modell kann nacheinander Skizzen erstellen, Details verfeinern, kolorieren, überprüfen und anpassen, um das Ziel zu erreichen;
Ausrichtung auf fertige Ergebnisse: SenseTime zielt auf Anwendungsfälle wie Infografiken, Stadtplanung, Filmstoryboards, wissenschaftliche Poster und kommerzielles Design ab. Es hofft, dass das Modell weniger wiederholte Versuche braucht und mehr wirklich nutzbare Ergebnisse liefert.
Wenn frühere Bildgenerierungsmodelle darin verglichen wurden, wer ähnlichere Bilder malt und wer schneller Bilder erzeugt, dann geht U1 Pro einen Schritt weiter:
Kann ein Bild weniger menschliche Nachbearbeitung erfordern, sodass das Modell die gesamte Arbeit selbst erledigt?
Um die tatsächliche Leistung von U1 Pro zu testen, haben wir ihm vier weitere Aufgaben gestellt.
Generierung der 8K-Version der „24 Sonnenwende und -wendepunkte“
Im ersten Praxistest wird die extrem lange Bildformat-Fähigkeit von U1 Pro weiter geprüft.
Wir haben es angewiesen, ein quer angeordnetes 8K-Langbild zum Thema 24 Sonnenwende und -wendepunkte zu erstellen.
Diese Aufgabe prüft im Wesentlichen die Fähigkeit der KI, Details zu erfassen: Zum Beispiel dürfen die Namen und Reihenfolge der 24 Sonnenwende und -wendepunkte nicht durcheinander geraten; jeder Punkt muss mit passenden Phänomenen der Natur und saisonalen Farben übereinstimmen; die 24 vertikalen Einheiten müssen voneinander unterschieden werden, während der gesamte visuelle Stil beibehalten wird; der Farbübergang von Frühling bis Winter muss natürlich verlaufen.
Schau dir das von U1 Pro generierte Bild an:
Aus der Gesamtsicht hat das Modell tatsächlich alle 24 Punkte in dasselbe quer angeordnete Layout integriert.
Es hat das Ergebnis nicht als 24 unabhängige Hintergrundbilder gleicher Größe verarbeitet. Die Höhe der Landschaft, die Position der Pflanzen und der leere Raum in jedem Feld variieren, sodass das Bild einen Rhythmus erhält, der die Kombination aus Paravent und langem Bildrolle ähnelt.
U1 Pro ist also definitiv in der Lage, stabile extrem lange 8K-Bilder auszugeben.
Im zweiten Praxistest haben wir es angewiesen, ein hochwertiges visuelles Poster für Laboratorien zu entwerfen, mit dem Titel „Wie Maschinen Menschen beobachten und verstehen“.
Die Prompt verlangt, dass in der Mitte des Bildes eine Person zu sehen ist, die dem Rücken zur Kamera steht und leicht zur Seite gedreht ist. Ihr Kopf und Oberkörper sind mit Erkennungsrahmen, Koordinatensystemen, geometrischen Kreisen, Bewegungstrajektorien, Blickverfolgung, Raumgittern und Datenknoten überlagert.
Schau dir die Details an:
Es ist ziemlich überraschend, dass die meisten herkömmlichen Bildgenerierungsmodelle, wenn Stichwörter wie „Technologie“ oder „Roboter“ erwähnt werden, meistens einen technischen Blauton wählen.
Aber U1 Pro hat dies direkt vermieden. Dunkelgoldene Linien, schwarzer Hintergrund und die Textur von Papier bilden eine vollständige visuelle Hierarchie. Der zentrale Fokus ist klar, der Informationsgehalt ist hoch, und das Bild ist nicht außer Kontrolle geraten.
Die dritte Aufgabe ist ein Landschaftsbild im antiken Stil mit Glasur-Textur.
Die Anforderungen umfassen gleichzeitig türkisgrüne Berge, blaue Flüsse, Wasserfälle, Pagoden, Tore zu Bergen, Pavillons, überdachte Brücken, Paläste, Pfirsichblütenwälder, Kiefern, glückliche Wolken sowie ein zukünftiges Gebäude mit östlicher Struktursprache.
In Bezug auf die Materialien sollen die Berge wie aus Glasur, Jade und Emaille gemeinsam gebrannt aussehen, mit fließenden Glanzlichtern, Glasurschichten und goldenen Umrandungen; das Wasser soll Transparenz und Reflexion aufweisen; die Gebäude dürfen keine billigen 3D-Modelle werden.
Das von U1 Pro generierte Ergebnis lautet wie folgt:
Aus dem endgültig generierten Bild geht hervor, dass das Modell die Glasur-Berge, das Wassersystem, die alten Gebäude und die zukünftigen Gebäude zu einer relativ vollständigen Welt organisieren kann. Es zeigt bereits seine Fähigkeit, komplexe Stil-Anforderungen umzusetzen.
Die ersten drei Aufgaben waren alle große Szenen, extrem lange Bilder und komplexe Layouts. Deshalb haben wir bei der letzten Aufgabe versucht, ein direkt lieferbares, kommerziell nutzbares Filmplakat zu erstellen.
Die Prompt lautet wie folgt:
Entwerfe ein originelles Filmplakat, das ein hochwertiges fertiges Plakat ist, das direkt für die Werbung bei der Premiere verwendet werden kann. Sein Stil liegt zwischen östlicher Poesie, spannendem Epos und modernem Kunstfilm, mit starker visueller Wirkung und hohem ästhetischem Anspruch.
Im Endergebnis ist jedes Wort immer noch klar, und der Gesamteindruck ist so, dass es direkt kommerziell verwendet werden kann!
Nach den vier Aufgaben liegt die Stärke von U1 Pro nicht nur in der 8K-Auflösung.
Es ist besser darin, das Bild um ein vollständiges Ziel herum zu organisieren und Informationen, Layout, Figuren, Materialien und Stil in derselben Aufgabe zu integrieren.
Darüber hinaus kann U1 Pro auch mit Strukturdiagrammen, kommerziell nutzbaren Bildern usw. problemlos umgehen:
Von der einmaligen Bildgenerierung zur selbstständigen Überprüfung
Die Gemeinsamkeit der Bilder im Praxistest liegt nicht mehr nur in der Bildqualität.
Sowohl bei dem langen Bild der 24 Sonnenwende und -wendepunkte als auch bei komplexen Postern und Glasur-Landschaften muss U1 Pro mehrere Anforderungen gleichzeitig merken und in demselben Bild kontinuierlich Informationen, Komposition, Stil und Details verarbeiten.
Das entspricht auch einem praktischen Problem der aktuellen Bildgenerierungswerkzeuge.
Heutzutage können viele Modelle durch natürliche Sprache wiederholt modifiziert werden. Aber wenn die Aufgabe etwas komplexer ist, geraten die Ergebnisse leicht außer Kontrolle. Wenn ein Teil korrigiert wird, ändern sich andere Bereiche mit; das Bild wirkt professionell, aber Text und Struktur halten der Überprüfung nicht stand; nach mehreren Modifikationsrunden können Texturen, Figuren und Hintergründe allmählich abweichen.
Xu Li, CEO von SenseTime, hat dieses Problem vor Ort zusammengefasst:
Interagieren zu können, bedeutet nicht, liefern zu können.
Der von U1 Pro gewählte Ansatz besteht darin, die einmalige Bildgenerierung zu einem kontinuierlichen kreativen Prozess zu verlängern.
Das hier genannte „Denken“ zeigt dem Benutzer keine lange Kette von schriftlichen Schlussfolgerungen, sondern ähnelt eher einem kontinuierlichen kreativen Prozess, bei dem Bild und Text abwechselnd verarbeitet werden.
Während des Gesprächs mit QbitAI sagte Lin Dahua, Mitbegründer und Chefwissenschaftler von SenseTime:
SenseTime hat in der U1-Phase bereits den Ansatz des kontinuierlichen Erstellens beobachtet. Das Modell kann zuerst eine Skizze zeichnen, dann Details ergänzen und kolorieren, um nach und nach ein vollständiges Bild zu generieren. Das Team hat dadurch erkannt, dass visuelle Modelle die Arbeitsweise von Designern erreichen können, und die Bildgenerierungsfähigkeit in die tatsächliche Produktionsphase des Inhaltsdesigns vorantreiben können.
Nach dem Übergang zu U1 Pro wurde dieser Prozess zu einem geschlossenen Kreislauf erweitert:
Ziel verstehen, Aufgabe planen, Informationen organisieren, Inhalt generieren, Probleme überprüfen, kontinuierlich korrigieren und schließlich das Ergebnis liefern.
Nehmen wir als Beispiel das lange Bild zum 9. Jahrestag von WAIC, das wir am Anfang gezeigt haben. Das Modell muss zuerst die Daten von neun Jahren verarbeiten, dann entscheiden, wie die Ereignisse verteilt werden, wie die Jahre miteinander verbunden werden, wie Landschaften und Städte organisiert werden, wo die Textinformationen platziert werden, und schließlich den einheitlichen östlichen visuellen Stil beibehalten.