نموذج SenseNova U1 Pro في معرض WAIC 2026: توليد صور بدقة 8K أصلية مصممة للإنتاج الاحترافي

مقدمة

في مؤتمر WAIC 2026، كشفت SenseTime عن SenseNova U1 Pro، نموذجها الأساسي متعدد الوسائط الرائد الجديد للمهام الإبداعية البصرية المعقدة.

تمحور العرض التوضيحي للإطلاق حول لوحة مدينة شرقية فائقة العرض بعنوان العالم يلتقي عبر الذكاء. تم إنشاء الصورة للمؤتمر العالمي التاسع للذكاء الاصطناعي، وضغطت تطور المؤتمر من 2018 إلى 2026 في سرد بصري متواصل واحد.

جمعت اللوحة بين معالم المدينة والأنهار والجبال والحشود والعمارة والملصقات والتفاصيل التاريخية الكثيفة عبر لوحة واسعة بشكل غير عادي. وقالت SenseTime إن الصورة تم إنتاجها مباشرة بواسطة U1 Pro بدقة أصلية عالية بدلاً من تجميعها عبر خط أنابيب تصميم يدوي منفصل.

الهدف الأوسع للنموذج أهم من العرض التوضيحي الفردي.

يتم وضع SenseNova U1 Pro كنموذج أساسي وكيل متعدد الوسائط بجودة إنتاجية. بدلاً من إنتاج صورة واحدة فور تلقي مطالبة، تم تصميمه للتفكير في التخطيط، وتوليد المسودات، وفحص النتائج الوسيطة، ومراجعة المناطق المحلية، وتحسين التكوين النهائي من خلال عملية توليد أطول.

بعبارة أخرى، تحاول SenseTime تحويل توليد الصور بالذكاء الاصطناعي من "صنع شيء مثير للإعجاب بصريًا" إلى "إنتاج أصل يمكن استخدامه في سير عمل تصميم حقيقي".

لوحة شرقية بدقة 8K مصممة لـ WAIC

تستخدم لوحة المؤتمر تنسيقًا بانوراميًا أقرب إلى المخطوطة اليدوية الصينية التقليدية منه إلى الملصق القياسي أو صورة وسائل التواصل الاجتماعي.

إنها تربط تسع سنوات من WAIC عبر منظر طبيعي متواصل واحد. يشمل التكوين ما يلي:

• الجبال والأنظمة المائية.
• المعالم الحضرية.
• أماكن انعقاد المؤتمر.
• الحشود والمشاهد العامة.
• الملصقات والشروح الصغيرة.
• التحولات في النغمة البصرية عبر السنوات المختلفة.
• جمالية متسقة من الحبر والألوان عبر العرض بأكمله.

إن إنشاء صورة كبيرة من هذا النوع صعب لعدة أسباب.

أولاً، يجب أن يظل التكوين فائق العرض متماسكًا من جانب إلى آخر. يمكن للنموذج توليد مناطق محلية جذابة مع فقدان الهيكل العام للمشهد.

ثانيًا، تحتوي الصورة على العديد من الأشياء والملصقات الصغيرة. تصبح الأخطاء التي بالكاد تكون مرئية في معاينة قياسية واضحة عندما يتم عرض الصورة على جدار كبير.

ثالثًا، يحتاج التكوين إلى الاستمرارية. لا يمكن أن تبدو المباني والأنهار والطرق والجبال والنصوص وكأنها أجزاء غير مرتبطة ملتصقة ببعضها البعض.

تقول SenseTime إن U1 Pro يدعم الإخراج حتى دقة 8K ونسب العرض إلى الارتفاع غير المألوفة. تقدم صفحة المنتج الرسمية هذه كميزة إنتاج مخصصة للمواد عالية الدقة والتسليم البصري المفصل.

النسخة الإلكترونية من لوحة WAIC مضغوطة، لذا فهي لا تحافظ على الجودة الكاملة للأصل المعروض.

مشاهد مختلفة، نموذج إبداع واحد

قدمت مقالة الإطلاق U1 Pro عبر عدة

فئات بصرية بدلاً من حصر النموذج في نمط توقيع واحد.

تضمنت الأمثلة:

• مشاهد بانورامية تاريخية.
• ملصقات أفلام تشويقية.
• ملصقات عروض أنمي.
• إعلانات منتجات راقية.
• ملصقات متاحف ومعارض.
• رسوم بيانية علمية.
• تصميم معلوماتي لفئة الشاي.
• أوراق تعريف الشخصيات.
• رسوم توضيحية للوصفات.

هذا التنوع مهم لأن التصميم التجاري ليس مهمة واحدة.

يحتاج النموذج المفيد إلى تكييف تكوينه، وخطوطه، والتسلسل الهرمي البصري، وتقديم المواد، ونظام الألوان، وكثافة المعلومات بما يتناسب مع الشكل المطلوب.

مشاهد بانورامية تاريخية مع مجموعات كبيرة من الشخصيات

أعاد أحد الأمثلة إنشاء سوق تشانغان الغربي خلال عهد أسرة تانغ بتكوين 21:9.

تحتوي الصورة على حشد كبير، ومتاجر متعددة، وخيول، وموسيقيين، وتجار، وأطفال، وفوانيس، وعمارة متعددة الطبقات.

المشاهد الجماعية الكبيرة هي نقطة فشل شائعة لنماذج الصور. الوجوه المتكررة، والملابس المكررة، والأيدي المشوهة، والحجم غير المتناسق، والوضعيات المنسوخة يمكن أن تجعل المشهد يبدو مصطنعًا.

يحاول مثال U1 Pro إبقاء كل شخصية متميزة بصريًا مع الحفاظ على تكوين الشارع الأكبر. يتم التعامل مع ضوء الفانوس الدافئ، وألوان الليل الباردة، والانعكاسات، والعمق المعماري ضمن مشهد واحد.

لا يزال هذا عرضًا انتقائيًا من الشركة وليس معيارًا مستقلاً. لكنه يُظهر النوع من التكوين الكثيف الذي تعتبره SenseTime أساسيًا للنموذج.

ملصقات ذات مساحة سردية وخطوط

تضمنت مواد الإطلاق أيضًا ملصق فيلم تشويقي من عصر شنغهاي الجمهوري.

يستخدم التكوين المطر، وانعكاسات الزجاج، والضباب، وإضاءة الشوارع، وشخصيات متعددة على أعماق مختلفة.

الهدف من المثال ليس مجرد الواقعية الضوئية. يحتاج النموذج إلى فهم كيف تدعم العناصر البصرية السرد:

• أي شخصية هي الموضوع المحوري.
• أي الشخصيات يجب أن تبقى مخفية جزئيًا.
• كيف ترتبط الانعكاسات بالفضاء الحقيقي.
• أين ينتمي العنوان.
• كيف تخلق البيئة التشويق.
• كيف يجب أن يظل النص الداعم ثانويًا.

مثال آخر، تشانغان لا تنام أبدًا، يستخدم خمسة موسيقيين، وخمس آلات موسيقية، وأزياء مميزة، وتكوين مسرح ذهبي-أحمر.

تُظهر هذه العينات استخدام U1 Pro كنظام تخطيط وتوجيه فني أكثر من كونه مُولّد صور بسيط من النص.

إعلانات المنتجات وتقديم المواد

يضع الإعلان التجاري متطلبات مختلفة على النموذج.

يجب أن يحافظ التصوير المرئي للمنتج على:

• هيكل العبوة.
• التدرج الهرمي للعلامة التجارية.
• أسماء المنتجات القابلة للقراءة.
• تناسق المواد.
• الانعكاسات المُتحكم فيها.
• المنظور الدقيق.
• مساحة للنصوص التسويقية.
• تكوين يُوجّه الانتباه نحو المنتج.

يجمع إعلان الشاي الظاهر في المادة المصدرية بين العبوة غير اللامعة، والكتابة الذهبية، والخزف الأبيض، والخشب، وأوراق الشاي، والبخار.

من السهل ملاحظة عدم تناسق المواد في الإعلانات. فصندوق ورقي يبدو بلاستيكيًا أو فنجان سيراميك ذو انعكاسات غير صحيحة قد يجعلا النتيجة بأكملها غير قابلة للاستخدام.

تقدم SenseTime جهاز U1 Pro القادر على دمج عدة أنواع من المواد مع الحفاظ على أسلوب بصري مُتحكم به ونصوص صينية قابلة للقراءة.

ملصقات المعارض والتصميم ثنائي الأبعاد إلى ثلاثي الأبعاد

يجمع ملصق المعرض "الجبال والأنهار تدخل اللوحة" بين الأشكال الحبرية والجبال والسحب ثلاثية الأبعاد.

يبدأ الجزء السفلي كحبر ينتشر على الورق. ثم تتحول الأشكال نفسها تدريجيًا إلى جبال ذات إضاءة وحجم واقعيين.

يمر شريط أحمر عبر المشهد ويوجّه العين نحو شكل إنسان صغير.

يُظهر هذا المثال عدة قدرات تصميمية:

1. الحفاظ على مفهوم بصري واحد عبر الملصق بأكمله.
2. الجمع بين التصيير المسطح والتجسيم الحجمي.
3. الحفاظ على علاقة قوية في المقياس.
4. وضع معلومات الفعالية ضمن التكوين.
5. إبقاء العنوان الصيني والتفاصيل الداعمة قابلة للقراءة.

بالنسبة للأصول الإنتاجية، فإن دقة النص لا تقل أهمية عن الجودة البصرية. لا يمكن ببساطة تقييم ملصق يحتوي على تاريخ أو حرف واحد غير صحيح على أنه "صحيح في الغالب".

النصوص الصينية الطويلة والمنطق العلمي

لا تزال الصور الغنية بالنصوص من أصعب المجالات لأنظمة توليد الصور.

يجب على النموذج حل مشكلتين في وقت واحد:

• تصيير الأحرف المطلوبة بشكل صحيح.
• وضع تلك الأحرف في هيكل معلوماتي قابل للقراءة.

يحتوي الرسم التوضيحي لمراحل القمر الذي تم عرضه عند الإطلاق على عنوان، وفقرات توضيحية، وعلامات، ورسوم بيانية، وبطاقات تعليمية.

كما يحتاج إلى تمثيل العلاقة بين الشمس والأرض والقمر بطريقة فيزيائية ذات معنى.

قد يفشل الرسم التوضيحي المصقول بصريًا إذا كانت العلاقة العلمية خاطئة. لهذا السبب، تختبر الرسومات التعليمية الغنية بالنصوص أكثر من مجرد تصيير الأحرف الشبيه بـ OCR. فهي تختبر أيضًا تنظيم المعلومات والاستدلال المجالي.

يقدم مثال آخر من الإطلاق الفئات الست الرئيسية

في تخطيط شعاعي للشاي الصيني.

يتكون التكوين من:

• أسماء الفئات.
• صور أوراق الشاي.
• ألوان السوائل.
• أماكن المنشأ.
• رسوم توضيحية للمناظر الطبيعية الداعمة.
• نقطة ارتكاز بصرية مركزية.
• وحدات متكررة بمسافات ثابتة.

تستخدم صفحة المنتج الرسمية لشركة SenseTime الآن رسومًا معلوماتية عالية الكثافة مماثلة لإظهار قدرة U1 Pro على "التعبير الدقيق عن المحتوى".

نموذج مصمم للتسليم، وليس فقط للتوليد

تصف SenseTime نموذج U1 Pro بأنه نظام لمهام التسليم متعددة الوسائط المعقدة.

التمييز مهم.

مولد الصور التقليدي يتبع عمومًا هذه العملية:

موجه ← صورة

يقرر المستخدم ما إذا كانت النتيجة صالحة. إذا لم تكن كذلك، يغير المستخدم الموجه أو يطبق أداة تحرير أخرى.

يُقدم U1 Pro على أنه يستخدم عملية إنشاء داخلية أطول:

فهم الطلب
→ تخطيط التصميم
→ توليد تكوين أولي
→ فحص النتيجة
→ مراجعة المناطق المحلية
→ دمج العناصر
→ تحسين الطباعة والتفاصيل
→ تسليم الأصول النهائية

تشير المواد الرسمية ومواد الإطلاق إلى هذا باسم حلقة التوليد الوكيلية.

يمكن للنموذج استخدام العديد من الإجراءات البصرية بدلاً من الاعتماد على تمرير توليد واحد غير متقطع:

• التوليد.
• التحرير.
• إعادة طلاء منطقة محددة.
• تأليف عناصر متعددة.
• فحص ما تم إنشاؤه بالفعل.
• تحديد الإجراء الذي يجب اتخاذه بعد ذلك.

يشبه هذا التصميم تطور أنظمة البرمجة.

يتنبأ نموذج إكمال الكود بالأسطر التالية. يمكن لنظام البرمجة الوكيلية فحص مستودع، وتخطيط تغيير، وتحرير ملفات، وتشغيل اختبارات، وقراءة الأخطاء، والاستمرار حتى اكتمال المهمة.

حجة SenseTime هي أن الإنشاء البصري يسير في نفس الاتجاه.

حرف واحد خاطئ قد يجعل الأصل بأكمله غير قابل للاستخدام

يمكن لمتوسط الدرجات البصرية إخفاء فشل الإنتاج.

افترض أن صورة تحتوي على 100 حرف صيني و99 منها صحيحة. قد يعطي معيار يعتمد على متوسط دقة الأحرف درجة عالية.

الملصق الموجه للعملاء مختلف.

إذا ظهر الحرف غير الصحيح في اسم منتج، أو تاريخ، أو عنوان، أو بيان علمي، أو إشعار قانوني، فقد يلزم رفض الأصل.

يؤدي هذا إلى تعريف أكثر صرامة للجودة:

لا يتم الحكم على صورة الإنتاج من خلال ما إذا كانت معظم العناصر تبدو صحيحة. يتم الحكم عليها من خلال ما إذا كان يمكن تسليم الأصل الكامل.

يُقال إن SenseTime جمعت لجنة تقييم داخلية من 200 طالب فنون ومصمم محترف.

كان السؤال عمليًا:

هل ترغب في تسليم هذه الصورة للعميل؟

يقول المقال المصدر إن النموذج اعتبر مؤهلاً عندما تم الحكم على 60% على الأقل من المخرجات التي تم تقييمها بأنها قابلة للتسليم مباشرة. أفادت SenseTime أن U1 Pro وGPT Image 2 هما النظامان الوحيدان في مقارنتها اللذان استوفيا هذا الحد.

أفادت الشركة أيضًا أن U1 Pro أدى بشكل جيد بشكل خاص في:

• عرض النص الصيني.
• جودة التصميم الجرافيكي.
• الثقافة الشرقية.

التفصيل:

• تخطيطات عالية الكثافة المعلوماتية.

هذه النتائج مستمدة من منهجية التقييم الداخلية لشركة SenseTime. وهي مفيدة كدليل على جودة المنتج، لكن لا ينبغي التعامل معها كمعيار عام مستقل قابل للتكرار.

NEO-unify: بنية موحدة أصلية

تم بناء U1 Pro على بنية NEO-unify من SenseTime.

تم تقديم نماذج SenseNova U1 السابقة وفتح مصدرها في أبريل 2026. تصف ورقتها البحثية نهجًا موحدًا أصليًا لفهم وتفكير وتوليد الوسائط المتعددة.

العديد من أنظمة الوسائط المتعددة تُجمَّع من مكونات منفصلة:

• مُشفر بصري يحوّل الصور إلى تمثيلات للفهم.
• نموذج لغوي يعالج النصوص والتفكير.
• مُشفر تلقائي متغير أو وحدة فك ترميز صور مماثلة لتوليد الصور.
• محولات إضافية تربط المكونات.

يمكن لهذه البنية أن تعمل بشكل جيد، لكن الوحدات المختلفة قد تتعلم مساحات داخلية غير متوافقة.

تتبع NEO-unify نهجًا مختلفًا.

تقول SenseTime إنها تزيل المُشفر البصري المنفصل وVAE من البنية الأساسية، مما يسمح لمعلومات النص والصورة بمشاركة تمثيل واحد ومسار حسابي واحد قائم على Transformer.

في نظرة مبسطة:

• النص يدخل كتمثيلات كلمات.
• الصور تدخل كتمثيلات أجزاء.
• تتم معالجة كليهما داخل نفس النموذج.
• يمكن للنموذج فك ترميز رموز نصية أو رموز أجزاء صور ضمن تسلسل انحداري واحد.

لا يحتاج النظام إلى جدولة خارجية منفصلة لتقرر أن وحدة يجب أن تتوقف وأخرى تبدأ.

يتنبأ النموذج بما سيأتي بعد ذلك. قد يستمر بالنص، أو يتحول إلى رموز الصور، ثم يعود لاحقًا إلى النص.

تصف SenseTime هذا بأنه انتقال من دمج الوسائط المتعددة إلى توحيد الوسائط المتعددة الأصلي.

ما أثبتته نماذج SenseNova U1 مفتوحة المصدر

قبل U1 Pro، أصدرت SenseTime نسختين رئيسيتين من SenseNova U1:

النموذج	البنية الأساسية	الدور الرئيسي
SenseNova-U1-8B-MoT	أساس فهم كثيف 8B	فهم وتفكير وتوليد موحد
SenseNova-U1-A3B-MoT	إجمالي 30B، حوالي 3B نشط أساس MoE	نموذج موحد متناثر أكبر

يغطي المشروع البحثي:

• فهم النصوص.
• الإدراك البصري اللغوي.
• التفكير المعرفي.
• اتخاذ القرارات الوكيلية.
• الذكاء المكاني.
• توليد الصور.
• توليد الإنفوغرافيك الغني بالنصوص.
• توليد الصور والنصوص المتداخلة.
• مهام الرؤية-اللغة-الفعل المبكرة ونماذج العالم.

أصدرت SenseTime لاحقًا إصدارات محسّنة بالإنفوغرافيك. المستودع الرسمي يوصي حاليًا بـ Infographic V3 لسير عمل متكامل للتوليد والتحرير.

توفر عائلة U1 مفتوحة المصدر دليلاً عامًا على اتجاه النموذج الموحد الأساسي. U1 Pro هو النموذج الملكي الأكبر الموجه للتسليم الإنتاجي عالي المستوى.

التفكير البصري النصي المتداخل

عادةً ما تتضمن عملية التصميم الإنتاجي أحكامًا وسيطة.

قد يقرر المصمم:

1. ما المعلومات

الأكثر أهمية.
2. أي شبكة أو تكوين يناسب الصيغة.
3. أين ينتمي الموضوع الرئيسي.
4. أي الألوان يجب أن تسود.
5. مقدار المساحة التي يحتاجها العنوان.
6. أي التفاصيل يجب تبسيطها.
7. هل النسخة الأولى متوازنة.
8. أي منطقة تتطلب تصحيحًا موضعيًا.

تقول SenseTime إن U1 Pro يستوعب تسلسلًا مشابهًا من خلال الاستدلال البصري-النصي المتداخل.

النموذج لا يحتاج إلى إكمال الصورة بأكملها دفعة واحدة. يمكنه التبديل بين التحليل الداخلي والإجراءات البصرية، وفحص الحالة الحالية بشكل متكرر.

تحتوي عملية التدريب الموصوفة في المقابلات العامة على مرحلتين رئيسيتين.

البدء البارد القائم على التعليمات

يقوم الفريق أولاً بتنظيم الأحكام التصميمية المهنية في أمثلة استدلالية منظمة.

تعلم هذه الأمثلة مبادئ الترتيب مثل:

• تحديد التخطيط قبل تحسين الزخرفة.
• ضبط الألوان السائدة قبل العمل على القوام الصغير.
• تثبيت التسلسل الهرمي البصري الرئيسي قبل إضافة النص الثانوي.
• التحقق من دقة المعلومات قبل العرض النهائي.

التعلم التعزيزي مع المكافآت متعددة الأبعاد

يتلقى النموذج بعد ذلك تغذية راجعة عبر أبعاد متعددة، بما في ذلك:

• التكوين.
• صحة النص.
• الجماليات البصرية.
• الاتساق.
• التسلسل الهرمي للمعلومات.
• دقة الموضوع.
• جودة المواد.
• التفاصيل المحلية.
• قابلية التسليم الإجمالية.

يهدف نظام المكافآت إلى مساعدة النموذج على تعلم الإجراء التالي الذي يجب اتخاذه أثناء مهمة إنشاء بصرية طويلة.

هذا هو الفرق الجوهري بين "التوليد مرة واحدة" و"الإنشاء عبر حلقة".

دقة 8K أصلية دون نمو غير مضبوط للرموز

يخلق التوليد عالي الدقة مشكلة حسابية مباشرة.

عند تمثيل الصورة كرموز بصرية، تؤدي زيادة الدقة إلى زيادة عدد الرموز. يصبح انتباه المحول القياسي أكثر تكلفة مع نمو التسلسل.

إذا تضاعف عدد الرموز، يمكن أن يزيد حساب الانتباه الكامل الأساسي بمقدار أربعة أضعاف تقريبًا.

لذلك، يمكن لصورة بدقة 8K أن تخلق سياقًا وعبئًا حسابيًا يتجاوز بكثير مخرجات 1K أو 2K القياسية.

تصف المقابلات العامة مع فريق SenseTime تقنيتين تستخدمهما U1 Pro.

بقع صور أكبر 32×32

تستخدم العديد من نماذج الصور بقعًا بحجم 16×16.

يُقال إن U1 Pro يستخدم بقعًا بحجم 32×32 للتوليد عالي الدقة. يغطي كل رمز منطقة صورة أكبر، مما يقلل عدد الرموز البصرية إلى حوالي ربع عدد بقع 16×16 عند نفس الدقة.

هذا يجعل المخرجات الطويلة وعالية الدقة أكثر قابلية للإدارة.

التحكم التكيفي الهرمي في الضوضاء

تخلق البقع الأكبر مشكلة أخرى: يجب أن يمثل كل رمز المزيد من البكسلات، مما قد يقلل التحكم في النص الصغير والقوام والحواف الدقيقة.

تقول SenseTime إنها تعوض ذلك بالتحكم التكيفي الهرمي في الضوضاء.

تتلقى المناطق التي تحتاج إلى مزيد من التفاصيل جهد توليد أكثر تركيزًا، مما يساعد النموذج على استعادة السيطرة على الطباعة والقوام دون العودة إلى عدد الرموز الأصلي.

النتيجة، وفقًا للشركة، هي دعم المخرجات الأصلية حتى 8K ونسب العرض إلى الارتفاع الخاصة دون السماح لتسلسل الرموز البصرية بالنمو بشكل غير مضبوط.

تأتي هذه التفاصيل من مقال الإطلاق والمقابلات العامة بدلاً من U1 كامل.

تقرير فني احترافي. لم يتم الكشف علنًا بعد عن البنية الكاملة لنموذج الإنتاج، وعدد المعلمات، وبيانات التدريب، ومتطلبات الاستدلال.

جودة التوليد مقابل جودة التسليم

تاريخيًا، ركزت المنافسة في مجال توليد الصور على عدة مراحل.

المرحلة 1: جعل الصورة مطابقة للطلب

واجهت الأنظمة المبكرة صعوبة في إنشاء كائنات يمكن التعرف عليها ومشاهد متماسكة.

المرحلة 2: جعل الصورة تبدو واقعية

قامت الأنظمة اللاحقة بتحسين الإضاءة والملمس والتشريح وتقديم المواد والتفاصيل الفوتوغرافية.

المرحلة 3: جعل الصورة قابلة للاستخدام

تتطلب الصورة القابلة للاستخدام أكثر من مجرد الواقعية.

قد تحتاج إلى:

• نص صحيح.
• معلومات دقيقة.
• تخطيط احترافي.
• علامة تجارية متسقة.
• أبعاد مناسبة.
• هيكل قابل للتعديل أو تعديل محلي موثوق.
• نتائج مستقرة عبر محاولات متعددة.
• جودة طباعة عالية.
• عملية موافقة واضحة.

تطلق شركة SenseTime على هذا التحول اسم الانتقال من التوليد البصري إلى التوليد الاستدلالي والإبداع الوكيل.

الحجة ليست أن نموذجًا واحدًا قد حل كل مشكلة تصميم. بل إنها أن هدف التقييم يتغير.

قد تكون الصورة الجميلة لا تزال تسليمًا فاشلاً.

مقارنة مع GPT Image 2

تتضمن المقالة المصدر مقارنة بين U1 Pro وGPT Image 2 على شكل ملصق وصفة.

فضلت المقالة التركيبة الأنظف والتسلسل الهرمي الأكثر مباشرة والعرض القوي للنص الصيني من U1 Pro، بينما وصفت نتيجة GPT بأنها أكثر ازدحامًا وتحتوي على أحرف زائفة في النص الزخرفي الصغير.

يجب قراءة هذه المقارنة بعناية.

طلب واحد وزوج محدد من المخرجات لا يثبتان القيادة العالمية للنموذج. يمكن لأنظمة الصور إنتاج نتائج مختلفة عبر البذور والإعدادات وإصدارات الطلبات وسير العمل التحريري.

يجب أن تختبر المقارنة المفيدة:

• عدة فئات من الطلبات.
• عدة عمليات توليد لكل طلب.
• دقة النص.
• اتساق التخطيط.
• قابلية التعديل.
• اتباع الصورة المرجعية.
• التكلفة.
• زمن الوصول.
• الدقة.
• معدل الفشل.
• تفضيل البشر.
• ما إذا كان الأصول النهائية يمكن تسليمها.

تقييم المصمم الداخلي لشركة SenseTime أكثر معنى من زوج واحد مختار، لكنه لا يزال يديره الشركة.

الاستنتاج الأقوى الذي تدعمه الأدلة المتاحة هو أن U1 Pro يبدو تنافسيًا للغاية في الطباعة الصينية وتصميم المعلومات الكثيفة والتفاصيل البصرية الشرقية والتكوين عالي الدقة المحلي.

التوفر وحالة الإصدار

تم الكشف رسميًا عن SenseNova U1 Pro، ونشرت SenseTime معرض منتجات رسمي.

ومع ذلك، فإنه ليس متاحًا بشكل عام بعد كمنتج API عام كامل.

ينص الإعلان الرسمي لشركة SenseTime على وسائل التواصل الاجتماعي:

• يتوفر معاينة خاصة بالدعوة فقط.
• من المقرر إطلاق API رسمي والتسعير في أغسطس 2026.

اعتبارًا من 22 يوليو 2026، تُظهر صفحة المنتج العامة قدرات النموذج ولكنها لا توفر تسعير API الكامل أو حدود الإنتاجية أو إرشادات الاستضافة الذاتية.

لا ينبغي الخلط بين U1 Pro ونماذج SenseNova U1 مفتوحة المصدر.

المنتج	التوفر
نماذج SenseNova U1 الأساسية	الأوزان والرمز والورقة البحثية مفتوحة المصدر ومتاحة
SenseNova U1 Infographic V2/V3	محسّن مفتوح المصدر

تتوفر نماذج الإنفوجرافيك |
| SenseNova U1 Pro | معاينة بدعوة فقط؛ واجهة برمجة التطبيقات الرسمية والتسعير مقرر لهما أغسطس 2026 |
| SenseNova-Vision | نموذج رؤية حاسوبية موحد مفتوح المصدر وأبحاث متاحة |

المطورون الذين يرغبون في التجربة فورًا يمكنهم البدء باستخدام مستودع SenseNova U1 العام وإصدارات Hugging Face.

ما لم يُكشف عنه بعد

لا تزال عدة تفاصيل مهمة حول U1 Pro غير متاحة للعموم:

• عدد المعاملات.
• عدد المعاملات النشطة.
• وصف كامل لبيانات التدريب.
• متطلبات الأجهزة.
• زمن التوليد عند 8K.
• حدود معدل واجهة برمجة التطبيقات.
• تسعير واجهة برمجة التطبيقات.
• واجهات التحرير المدعومة.
• سياسة الاحتفاظ بالبيانات التجارية.
• سلوك مرشح الأمان.
• ما إذا كان سيتم إصدار أوزان النموذج.
• نتائج معايير مستقلة عبر مجموعة واسعة من المطالبات.

تتكون الأدلة الحالية أساسًا من عروض الشركة، ومعرض المنتجات الرسمي، ونتائج التقييم الداخلي، والمقابلات العامة، والأساس التقني الذي وضعته عائلة U1 مفتوحة المصدر.

يجب على الفرق التي تفكر في الاستخدام الإنتاجي انتظار وثائق واجهة برمجة التطبيقات وإجراء تقييمها الخاص.

كيفية تقييم U1 Pro لأعمال التصميم الحقيقية

عندما يصبح الوصول العام متاحًا، يجب أن يستخدم التقييم العملي مخرجات حقيقية بدلاً من المطالبات الفنية فقط.

1. بناء مجموعة مطالبات تمثيلية

تشمل:

• إعلانات المنتجات.
• ملصقات الفعاليات.
• إنفوجرافيك تعليمي.
• أوراق شخصيات.
• أغلفة وسائل التواصل الاجتماعي.
• تخطيطات المجلات.
• رسوم بيانية علمية.
• أصول كثيفة العلامات التجارية.
• صور فائقة العرض.
• نصوص طويلة بالصينية.

2. اختبار متطلبات النص الدقيقة

استخدم نصًا معروفًا وتحقق من كل حرف.

قم بقياس:

• دقة العنوان.
• دقة النص الأساسي.
• الأرقام.
• التواريخ.
• العناوين.
• أسماء المنتجات.
• علامات الترقيم.
• التسميات المتكررة.

3. توليد نتائج متعددة

النموذج الذي ينتج صورة ممتازة وتسع صور غير قابلة للاستخدام قد يكون أقل قيمة من نموذج أضعف قليلاً بمخرجات متسقة.

تتبع معدل النجاح، وليس فقط أفضل عينة.

4. اختبار التعديل المحلي

اطلب من النموذج تغيير عنصر واحد مع الحفاظ على كل شيء آخر.

أمثلة:

• تصحيح تاريخ واحد.
• استبدال لون المنتج.
• نقل العنوان.
• إزالة شخصية واحدة.
• تغيير الخلفية.
• تحديث المكان.
• الحفاظ على التخطيط مع ترجمة النص.

5. الفحص بحجم الإخراج النهائي

لا تحكم على أصل 8K فقط من معاينة مصغرة في المتصفح.

قم بالتكبير في:

• النص الصغير.
• الأيدي والوجوه.
• جودة الحواف.
• شعارات المنتج.
• الأنماط المتكررة.
• القوام الدقيق.
• تسميات الرسوم البيانية.
• علاقات المنظور.

6. مقارنة تكلفة سير العمل الكامل

تشمل:

• وقت التوليد.
• تكلفة واجهة برمجة التطبيقات.
• عدد المحاولات.
• وقت التصحيح البشري.
• التحرير الخارجي.
• رفع الدقة.
• إصلاح الطباعة.
• الموافقة والتصدير.

أرخص توليد ليس بالضرورة أرخص مخرجات قابلة للتسليم.

من صورة واحدة إلى نظام بصري موحد

يركز U1 Pro حاليًا على الإبداع البصري، لكن SenseTime تقدم NEO-unify كأساس أوسع.

تشمل خريطة طريق الشركة:

• الإدراك البصري العام.
• الذكاء المكاني.
• أنظمة الرؤية واللغة والحركة.
• الذكاء المتجسد.
• نماذج العالم.
• التخطيط الحضري.
• الهندسة المعمارية و

التصميم الصناعي.

أطلقت شركة SenseTime بالفعل نموذج SenseNova-Vision، الذي يعبر عن مهام الرؤية الحاسوبية التقليدية من خلال إطار توليد متعدد الوسائط واحد.

يغطي النموذج مهامًا مثل:

• اكتشاف الأجسام.
• التعرف البصري على الأحرف (OCR).
• تقدير النقاط الرئيسية.
• التقسيم.
• التنبؤ بالعمق.
• الأسطح العمودية.
• خرائط النقاط.
• تقدير وضعية الكاميرا.
• الهندسة البصرية متعددة المشاهد.

بدلاً من إضافة رأس تنبؤ منفصل لكل مهمة، يقوم SenseNova-Vision بتوليد نصوص أو صور أو مخرجات مختلطة وفقًا للمهمة البصرية المطلوبة.

وهذا يدعم توجه SenseTime الأوسع "من الكلمات إلى العوالم": لا ينبغي أن تظل اللغة والرؤية نظامين منفصلين متصلين عبر محولات. بل يجب أن يتطورا داخل نموذج واحد قادر على الفهم والتوليد، وفي النهاية، التنفيذ.

ما يحاول U1 Pro إثباته

يمكن تلخيص رسالة الإطلاق في ادعاء عملي واحد:

"المظهر الجيد" لا ينبغي أن يكون المعيار النهائي للمحتوى البصري المُنتَج بالذكاء الاصطناعي. "القابلية للاستخدام" هي ما يجب أن يكون المعيار.

يحاول U1 Pro الوصول إلى هذا المعيار من خلال خمسة أفكار مترابطة:

1. بنية موحدة أصلية للنصوص والصور.
2. تفكير متداخل وإجراءات بصرية.
3. حلقة توليد طويلة تعمل وكأنها وكيل.
4. مخرجات عالية الدقة تصل إلى 8K.
5. تقييم يعتمد على قابلية التسليم الكاملة بدلاً من الجمال المعزول.

سواء كان النموذج يصل باستمرار إلى هذا المستوى، سيصبح أكثر وضوحًا بعد الوصول الأوسع لواجهة API، والاختبارات المستقلة، وسير عمل العملاء الحقيقيين.

ومع ذلك، يمثل الإطلاق تغييرًا مهمًا في كيفية وضع نماذج الصور.

لم تعد تُقدَّم فقط كمولدات للصور.

يتم تقديمها الآن كعوامل إنتاج بصري.

الأسئلة الشائعة

ما هو SenseNova U1 Pro؟

SenseNova U1 Pro هو النموذج الرئيسي الأصلي متعدد الوسائط من SenseTime للمهام الإبداعية البصرية المعقدة. فهو يوحد الفهم والتوليد والتنفيذ، وهو مصمم لإنتاج أصول بصرية عالية الدقة وغنية بالنصوص وأكثر جاهزية للتسليم.

هل يمكن لـ SenseNova U1 Pro توليد صور بدقة 8K أصلية؟

تقول صفحة المنتج الرسمية لـ SenseTime أن U1 Pro يدعم مخرجات تصل إلى 8K ونسب عرض إلى ارتفاع خاصة. يجب تأكيد خيارات الدقة الفعلية، وزمن الاستجابة، وتنسيقات الملفات، وقيود API عندما تصبح وثائق API العامة متاحة.

هل SenseNova U1 Pro مفتوح المصدر؟

لم يتم إصدار أوزان U1 Pro العامة. النماذج الأساسية السابقة SenseNova U1 ونماذج الإنفوجرافيك مفتوحة المصدر، بينما U1 Pro حاليًا هو نموذج رئيسي مملوك متاح من خلال معاينة بالدعوة فقط.

متى ستتوفر واجهة API لـ SenseNova U1 Pro؟

يقول الإعلان الرسمي لـ SenseTime أن API والتسعير مخطط لهما لشهر أغسطس 2026. اعتبارًا من 22 يوليو، صفحة المنتج العامة متاحة، لكن لم يتم نشر الوصول الكامل لواجهة API العامة والتسعير بعد.

ما هو NEO-unify؟

NEO-unify هي بنية SenseTime الأصلية متعددة الوسائط للفهم والتوليد الموحد. تزيل الفصل التقليدي بين التشفير البصري ونموذج اللغة وVAE الصور، بحيث يمكن معالجة رموز النصوص والصور داخل نظام واحد قائم على المحول (Transformer).

ما هي حلقة التوليد العاملة كوكيل (Agentic Generation Loop)؟

إنها عملية إنشاء متعددة الخطوات يخطط فيها النموذج ويُنتِج ويفحص

التعديلات، وإعادة الطلاء، والتأليف، وتحسين الصورة قبل التسليم. يهدف النموذج إلى اختيار الإجراء البصري التالي بناءً على النتيجة الوسيطة الحالية.

هل U1 Pro أفضل من GPT Image 2؟

ذكرت SenseTime أن U1 Pro كان تنافسيًا مع GPT Image 2 في تقييم داخلي، وأدى أداءً قويًا في النص الصيني، وجودة التصميم، والتفاصيل الثقافية الشرقية. لا يزال الاختبار المستقل الواسع ضروريًا، وسيختلف الأداء حسب الموجه وسير العمل وطريقة التقييم.

هل يمكن للمطورين تجربة تقنية SenseNova U1 الآن؟

نعم. أصدرت SenseTime ورقة بحثية حول SenseNova U1، ومستودع GitHub، وأوزان Hugging Face، والنماذج المحسنة بالرسوم البيانية. هذه ليست مطابقة لـ U1 Pro، لكنها توفر الوصول إلى اتجاه النموذج الموحد الأساسي.

أدوات ذات صلة

• SenseNova U1 Pro: معرض المنتجات الرسمي ونظرة عامة على القدرات لنموذج الإنشاء الرائد من SenseTime.
• مستودع GitHub لـ SenseNova U1: الكود مفتوح المصدر الرسمي، والوثائق، ومعلومات النموذج، وإصدارات الرسوم البيانية.
• SenseNova على Hugging Face: الأوزان الرسمية للنموذج، وبطاقات النموذج، وموارد البحث.
• SenseNova U1 Infographic V3: إصدار U1 مفتوح المصدر الموصى به لإنشاء وتحرير الرسوم البيانية.
• SenseNova-Vision: نموذج الرؤية الحاسوبية الموحد مفتوح المصدر من SenseTime والمجموعة اللغوية.
• منصة SenseNova: وحدة التحكم الرسمية للنماذج ومنصة المطورين من SenseTime.

روابط ذات صلة

• صفحة المنتج الرسمية لـ SenseNova U1 Pro: أمثلة رسمية تغطي مخرجات 8K، والمعلومات المعقدة، والتصميم الاحترافي، وسيناريوهات بصرية متعددة.
• معاينة SenseTime WAIC 2026: الإعلان الرسمي من SenseTime الذي يستعرض U1 Pro وإطلاقه في WAIC.
• الإعلان الرسمي مفتوح المصدر لـ SenseNova U1: مقدمة رسمية لعائلة النماذج الموحدة للفهم والتوليد مفتوحة المصدر.
• الورقة البحثية لـ SenseNova U1: ورق فنية تصف بنية NEO-unify والنماذج الأصلية لـ U1.
• المدونة التقنية لـ NEO-unify: نظرة عامة تقنية من SenseTime على البنية الموحدة الأصلية.
• مستودع GitHub لـ SenseNova U1: الكود الرسمي، وروابط النماذج، وتفاصيل البنية، ووثائق الرسوم البيانية.
• الورقة البحثية لـ SenseNova-Vision: بحث حول التعبير عن مهام الرؤية الحاسوبية التقليدية من خلال التوليد الموحد متعدد الوسائط.

ملخص

SenseNova U1 Pro هو محاولة من SenseTime لنقل توليد الصور إلى فئة أكثر تطلبًا: التسليم الإنتاجي. فهو يجمع بين التكامل الموحد متعدد الوسائط الأصلي، والتفكير البصري النصي المتداخل، وحلقة الإنشاء الوكيل، وعرض النص الصيني الكثيف، والإخراج بدقة تصل إلى 8K.

أمثلة التمرير والإطلاق في WAIC

عرض تصاميم معقدة بشكل غير عادي، ومجموعات كبيرة، وطباعة صينية، ورسومات بيانية علمية، وإعلانات منتجات، وأنماط بصرية شرقية. هذه نماذج مختارة من الشركة، والمقارنة المذكورة مع GPT Image 2 تستند إلى تقييم SenseTime الخاص وليس إلى معيار عام مستقل بالكامل.

نموذج U1 Pro متاح حاليًا فقط عبر دعوة مسبقة، مع توفير واجهة برمجة تطبيقات عامة وأسعار مخطط لها في أغسطس 2026. يمكن للمطورين بالفعل استكشاف نماذج SenseNova U1 والرسومات البيانية مفتوحة المصدر، لكن هذه الإصدارات ليست مماثلة لنظام Pro.

التحول الأساسي هو من التساؤل عما إذا كان الذكاء الاصطناعي يمكنه توليد صورة جميلة إلى التساؤل عما إذا كان يمكنه تقديم أصل بصري كامل بشكل موثوق.