SenseNova-U1

Мультимодальная модель от SenseTime на архитектуре NEO‑Unify - понимание и генерация без отдельных модулей для текста и изображений. Подойдет для создания маркетинговых материалов и анализа документов

• понимает изображения и текст вместе (OCR, VQA, анализ документов)
• генерирует фотореалистичные и художественные изображения, инфографику
• редактирует изображения: стилизует, удаляет объекты, меняет композицию
• выдаёт смешанный контент - чередует текст и картинки в одном ответе
• рассуждает в кросс‑модальных задачах (математика, наука)

8 млрд параметров в базовой версии (SenseNova‑U1‑8B‑MoT), есть версия с MoE (A3B).

PS. Кажется ресерчеры нашли шаблон радиальных диаграмм и друг другу его пересылают

Гитхаб
HF
Попробовать

#design #multimodal #ocr #t2i #i2t