SenseNova-U1 Infographic V3：把信息图生成和局部修改放进同一个模型

生成信息图并不难，难的是文字、布局出错后还能精准修改，而不是整张重做。OpenSenseNova 7 月 16 日发布的 SenseNova-U1-8B-MoT-Infographic-V3，瞄准的正是这个断点：同一模型既能从文字生成信息图，也能基于现有图片继续编辑。目前项目登上 GitHub 日榜，代码与权重采用 Apache 2.0 许可证。

📌 这个项目是干什么的

定位：8B 级信息图生成与编辑模型，同时支持文生图和图像编辑。
能力：可替换局部文字或内容、修复瑕疵、调整整体风格和布局，也能通过框选区域约束修改范围。
适合谁：制作海报、报告配图、知识卡片的内容团队，以及想搭建私有视觉工作流的开发者。
成熟度：代码、权重、示例和在线体验均已提供，但 V3 刚发布，仍应按早期版本评估。

🔍 为什么值得关注

它不只追求“一次生成得像”，而是把后续修改纳入主流程。官方列出了文字替换、图表编辑、元素重排、页面结构重建等 10 类任务，这比反复重抽整张图更接近真实生产。

官方报告显示，V3 在 Qwen-Image-Bench 总分为 50.23，高于同系列 V2 的 48.00；在项目方列入对比的开源模型中，WeEdit 平均分和 GEdit-Bench 总分均居首。这些结果适合用来确定测试方向，但不能替代自己的中文业务样本。

🧪 谁适合试，怎么开始

非技术用户可先打开 SenseNova-Studio，分别测试“从零生成”和“只改一处文字”，重点检查中文小字、数字、品牌名及未编辑区域是否稳定。注意：Studio 使用经过蒸馏、专用于信息图生成的 U1-Fast，效果不等同于本地 V3。

开发者可从 GitHub 的 examples 目录开始：文生图使用 examples/t2i/inference.py，编辑使用 examples/editing/inference.py。显存紧张时，可按文档尝试 GGUF 与 --vram_mode balanced；官方参考配置约需 10～12GB 显存，但会牺牲速度。

⚠️ 使用提醒

信息图里的事实、数字和文字必须人工复核，不能把“字形正确”当成内容正确。接入生产前，建议用固定模板测试中文准确率、局部编辑保持度、推理耗时和峰值显存。

🔗 参考资源

GitHub：https://github.com/OpenSenseNova/SenseNova-U1
V3 模型卡：https://huggingface.co/sensenova/SenseNova-U1-8B-MoT-Infographic-V3
信息图文档：https://github.com/OpenSenseNova/SenseNova-U1/blob/main/docs/u1_infographic_model.md
推理示例：https://github.com/OpenSenseNova/SenseNova-U1/tree/main/examples
在线体验：https://unify.light-ai.top/