商汤信息图增强版V2开源：小字清晰/排版复杂/视觉质感升级

近期，一款面向信息图生成的开源AI模型完成重磅迭代。这款基于8B-MoT轻量架构的新模型，在小字清晰度、复杂密集排版与视觉质感三大核心方向实现了跨越式突破，在BizGenEval与IGenBench两大专业基准测试中全面刷新开源模型性能纪录，让AI生成的信息图真正向专业设计师的创作水准看齐。

该模型在上线初期就收获了大量创作者与开发者的积极反馈。随着GPT-Image-2等新一代商用图像生成模型的出现，行业对AI绘图的期待也在快速提升：模型不仅要能准确还原创作主题，还要能处理长文本输入、复杂版式结构，同时保证图文对应关系的稳定性。

基于这一技术趋势，该研发团队对原有信息图增强模型进行了专项迭代，推出了新版模型。新版本希望将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。目前该模型权重已在Hugging Face和国内开源模型社区开放，相关代码、文档与示例已同步至GitHub。

三大核心升级直击创作痛点

如果说前代模型已经能做到文字准确、图表可靠、背景稳定，那么新版模型的跨越式突破，就是让AI真正懂得如何把信息图“做得更美”。

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。过往模型生成的图片边缘极易模糊、笔画粘连，用户往往需要放大数倍才能勉强辨认，作品的专业度大打折扣。新版模型显著提升了小字文本的边缘锐利度和清晰度，即使在正常阅读距离下，各类小字信息和数据也能一目了然。

2、驾驭复杂密集排版，自带专业视觉质感
当信息密度极高时，模块之间容易相互挤压，导致视觉路径混乱、阅读体验变差。新版模型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。无论是商业海报、游戏指南还是知识图谱，生成图像的专业度、美观精致度和整图可用性都得到了大幅提升。

底层训练机制全面优化

优质的生图效果，源于新版模型在底层训练机制上的创新与重构：

专项强化方面：在中期训练与监督微调阶段，团队引入了更多高质量的合成与真实数据，重新平衡了信息图相关样本与其他数据的分布，进一步优化了训练数据组成，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化训练。

视觉质感方面：在强化学习阶段，引入了直接偏好优化训练，从人类视觉审美出发，整体拉高了生成图像的视觉质感。

稳定性提升方面：在组相对策略优化阶段，进一步优化了奖励配方，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，新版模型交出了亮眼的答卷：相比旧版本，在BizGenEval困难与简单测试集上，得分从46.6 / 65.4跃升至50.3 / 67.9，分别提升了3.7和2.5分；在IGenBench的Q-ACC/I-ACC指标上，也由69.5 / 17.0提高到71.4 / 18.3，分别提升了1.9和1.3分。

值得一提的是，新版模型的通用生成能力保持稳定，综合测评指标OneIG（英文/中文）得分为55.4 / 53.5，与上一版本基本持平，这说明在信息图专项能力显著提升的同时，模型并未明显牺牲通用生成能力。

目前这款新版信息图增强模型已面向全球用户开源，欢迎广大创作者、开发者下载体验并提供反馈和建议。相关模型文档可查看：https://github.com/OpenSenseNova/SenseNova-U1/blob/main/docs/u1_infographic_model_CN.md，国内社区下载地址为：https://modelscope.cn/models/SenseNova/SenseNova-U1-8B-MoT-Infographic-V2。

塔猴是一个专注于为用户提供系统学习、内容创作与商业连接的AIGC综合服务平台，致力于为每一位AI探索者打造理想的创作、成长家园。在塔猴，你不仅可以学习众多AIGC类实战课程，获得与时俱进的AIGC技能和视野，还有机会获得长期商业合作和接单机会！点击进入：https://www.tahou.com/

AI生成内容提示：本文由人工智能辅助创作，内容仅供参考，不代表平台观点。请注意核实信息的准确性，并理性判断。