商汤日日新SenseNova U1信息图增强版上线后，得到很多创作者和开发者的积极反馈。而随着 GPT-Image-2 等新一代商业图像生成模型的出现，行业期待也在快速提高：模型不只要“画得像”，还要能处理更长文本、更复杂的版式结构，以及更稳定的图文对应关系。
基于这一技术趋势，我们对SenseNova U1信息图增强版进行了专项迭代，推出SenseNova U1信息图增强版V2（SenseNova-U1-8B-MoT-Infographic-V2），希望把这类高信息密度图像生成能力，以更开放、更轻量的 8B-MoT 模型形式持续推进，让开源模型在小字清晰度、复杂排版和视觉质感上不断向行业前沿靠近。
该模型权重已在 Hugging Face 和魔搭社区开放，相关代码、文档与示例已同步至 GitHub。
小字清晰度和复杂版式升级，回应真实创作场景
如果说前一个版本——SenseNova U1信息图增强版（SenseNova U1-8B-MoT-Infographic）能做到的是：文字准确、图表可靠、背景稳定；信息图增强版V2的跨越式突破，就是让AI真正懂得如何把信息图“做得更美”——小字更清晰，排版疏密有致，整体质感向专业设计师看齐。
以下是V2版本生成的部分信息图：
 |
 |
 |
 |
V2模型进行的关键升级包括：
1、小文本更清晰，信息细节更好读
信息图中的脚注、数据来源、表格注释、坐标轴标签及免责声明等小字，往往承载着关键的辅助信息。过去模型生成的图片边缘极易模糊、笔画粘连，导致用户需要放大数倍去“猜字”，作品也显得专业度欠缺。
V2版本显著提升了小字文本的边缘锐利度和清晰度。以下报纸版面设计的渲染图，无需反复放大，在正常阅读距离下即可对各类小字信息、数据“一目了然”。
 |
 |
2、驾驭复杂密集排版，自带“设计师”视觉
当信息密度极高时，信息图的模块之间容易相互挤压，导致视觉路径混乱、阅读体验差。
V2版本将复杂密集排版与整体美观度作为核心升级方向。通过培养模型对网络结构、视觉层级和语义对应关系的深层理解，让画面排版疏密有致、条理清晰。在以下生成商业海报、游戏指南、知识图谱等场景中，图像的专业度、美观精致度和整图可用性均大幅提升。
 |
 |
面向更多真实场景：持续突破，专项与通用能力并重
优质的生图效果，源于信息图增强版V2在底层训练机制上的创新与重构：
• 专项强化方面：在 MT（ 中期训练）/ SFT（监督微调）阶段，我们引入更多更好的高质量合成/真实数据，并重新平衡信息图相关样本内分布以及和其他数据分布，进一步优化训练数据组成，针对小字渲染、复杂密集排版和高美观度生成能力进行了专项强训。 • 视觉质感方面：在 RL（强化学习）阶段，引入了 DPO（直接偏好优化）训练，从人类视觉审美出发，整体拉高视觉质感。 • 稳定性提升方面：在 GRPO（组相对策略优化）阶段，进一步优化了奖励配方（reward recipe），从机制上让模型能够更稳定地避免非预期暗色背景的出现。
得益于这一套组合拳，信息图增强版V2交出亮眼答卷：
• 在开源模型中保持领先，并较前代显著提升：相比旧版本，V2版本在 BizGenEval（hard/easy）困难与简单测试集上，得分从 46.6 / 65.4 跃升至 50.3 / 67.9（分别提升 +3.7 / +2.5）；在 IGenBench（Q-ACC/I-ACC）指标上，也由 69.5 / 17.0 提高到 71.4 / 18.3（分别提升 +1.9 / +1.3）
旧版本生成 |
V2版本生成 |
• 通用生成能力保持稳定：综合测评指标 OneIG（EN/ZH）得分为 55.4 / 53.5，与上一版基本持平，这表明V2在信息图专项能力显著提升的同时，并未明显牺牲通用生成能力。
V2在OneIG (EN, ZH), LongText (EN, ZH), BizGenEval (Easy, Hard), CVTG and IGenBench 的综合能力表现
信息图基准表现
声明：本站转载此文目的在于传递更多信息，并不代表赞同其观点和对其真实性负责。如涉及作品内容、版权和其它问题，请在30日内与本网联系，我们将在第一时间删除内容,本网站对此声明具有最终解释权。