前阵子老板那边找到我，说现在运营那边每天要出十几张产品海报和信息图，能不能本地化部署搞个自动化方案。

之前他们运营那边的流程是：在 ChatGPT 里写文案，切到 Midjourney 出图，再开 Figma 排版，一张图来回折腾半小时起步，而且文字和图片之间的"翻译损耗"很大——你 prompt 里写了"左上角放标题"，出来的图标题可能在右下角。

我正好看到商汤 8 月 21 号开源了 SenseNova U1.5 Lite，开源地址如下：
https://github.com/OpenSenseNova/SenseNova-U1
https://huggingface.co/collections/sensenova/sensenova-u15
benchmark 上 Qwen-Image-Bench 拿了 60.18，比上一代 U1 高了快 28%。最关键的是它号称支持 3-4K 字符的超长指令遵循——你写一份"设计需求文档"级别的 prompt，它能一条不漏地执行。

这个能力如果成立，运营那边的需求就完全能实现了，反正服务器上有张显卡空着，花了一天半试了一下，中间踩了些坑，最终跑通了，效果确实超出预期。这篇文章把整个过程记下来。

---

一、先聊架构：8B 凭什么能打

在动手之前，简单说一下我为什么对这个模型有兴趣。

市面上开源的生图模型不少，但大多数走的还是"拼盘"路线——文本编码器处理文字，视觉编码器处理图片，中间用 LLM 做翻译，最后 VAE 解码出图。这条链路上每个模块各有各的优化目标，信息在编码解码过程中不可避免地损耗。你 prompt 里写的东西，经过这一路传递，到最终出图的时候已经丢了不少。

SenseNova U1.5 Lite 的做法不太一样。它的架构叫 NEO-unify，直接把 Visual Encoder 和 VAE 都砍了，文本和图像在同一个 token 空间里端到端流转。

官方仓库里这张架构图，把这个架构解释得很明白。

为了让"理解"和"生成"在同一个模型里不互相打架，架构引入了 Native Mixture-of-Transformers（MoT），这种统一架构的直接好处就是生成结果的一致性——图片的风格、配色、布局逻辑会和 prompt 里的描述严格对齐，不会出现"prompt 写了扁平风，出来一张立体渲染"这种事。

---

二、为什么用 ComfyUI

说到这，可能有人会问：跑个模型而已，直接拉仓库跑 Python 脚本不就行了，为什么非得用 ComfyUI？

先简单介绍一下 ComfyUI。它是一个开源的节点式 AI 图像编辑工具，你可以把它理解成"AI 版的 Blender 节点编辑器"。和传统不同，ComfyUI 不是给你一堆表单让你填参数，而是把每个功能抽象成一个节点——加载模型是一个节点、生成图片是一个节点、编辑图片又是一个节点。你在画布上拖拽节点、用线把它们连起来，就组成了一条工作流。

这种设计最大的好处是所见即所得 + 可复用。一条工作流跑通了，保存为 JSON 文件，发给别人 Load 就能用，不需要对方理解底层代码。而且所有节点的参数、连接关系都是可视化的，团队协作和交接比 Python 脚本友好得多。

回到我们的场景，运营那边的需求不是一张图，而是一条链路——先把一句话 brief 改写成详细的设计指令，再 T2I 出底图，再局部编辑调细节，最后多图排版。整个工作流保存为 JSON 文件，发给运营同事 Load 就能跑。对于想把 AI 出图嵌入业务流程的团队来说，这比写 Python 脚本实用得多。

而且比较方便的是，商汤官方仓库的 apps/comfyui/example_workflows/ 目录下已经提供了 5 个现成的示例工作流：基础 T2I、图像编辑、图文交织、信息图序列、以及 API 调用模式。装好节点包之后直接 Load 就能跑，不用从零开始拖节点。

好，工具和模型都了解清楚了，接下来就是动手环节。

---

三、部署过程

架构和工具都选好了，接下来就是动手部署。在开始实践之前，先理一下整体思路：整个部署流程分四步走——选卡、下权重、构建 Docker 镜像、启动容器，下面按顺序来讲。

第一步：选一张合适的卡

首先要解决的是硬件问题。nvidia-smi 看一下哪张卡空闲：

我们服务器上有 8 张 A100，单卡是40GB， 跑 bf16 full 模式刚好够，稳妥起见，我们这里采用双卡启动，显存池拉到 80GB，跑 4K 分辨率也不慌。

大家显存不够的话也可以选择 bf16 balanced或者GGUF Q4 + balanced，4090 都能跑，适合个人尝鲜。

第二步：下载模型权重

卡选好了，下一步是把模型权重下载到本地。

我这里推荐大家使用8 路文件级并发 ModelScope + API token，国内环境最稳，每个 shard 起一个独立进程：

export MODELSCOPE_API_TOKEN="ms-XXXX-..."

for i in 00001 00002 00003 00004 00005 00006 00007 00008; do
  nohup python3 -c "
from modelscope import snapshot_download
snapshot_download('SenseNova/SenseNova-U1.5-8B-MoT',
    cache_dir='/media/tmp/models',
    allow_file_pattern=['model-${i}-of-00008.safetensors'])" \
    > /tmp/dl_${i}.log 2>&1 &
done
wait

ModelScope 加 token 后 8 路并发能聚合到 13 MB/s，40GB 大约 1 小时下完。如果有网络环境的话也可以选择 Hugging Face，下好后如下：

第三步：构建 Docker 镜像

权重就位之后，接下来要搭运行环境。我选的是 Docker 容器化部署，好处是环境隔离干净、方便复现。这里，官方也提供了 Docker 镜像，一行命令即可完成部署：

docker pull lightx2v/lightllm_lightx2v:20260407

第四步：启动容器并配置模型路径

镜像构建好了，最后一步就是启动容器、把模型挂载进去，运行以下指令即可（注意这里我用的是双卡，单卡的话直接使用device=0，然后其余参数要替换为自己放模型权重和ComfyUI的位置）

docker run -d --rm --gpus '"device=0,1"' --ipc=host --network host \
  -v /media/tmp/ComfyUI:/workspace/ComfyUI \
  -v /media/tmp/models:/workspace/models \
  -v /media/tmp/outputs:/workspace/outputs \
  -v .../SenseNova-U1.5-8B-MoT:/workspace/ComfyUI/models/sensenova/SenseNova-U1.5-8B-MoT \
  -v .../SenseNova-U1.5-8B-MoT-LoRAs:/workspace/ComfyUI/models/loras/SenseNova-U1.5-8B-MoT-LoRA-8step \
  --name sensenova-comfyui sensenova-u15-comfyui:latest

启动之后还有两个小问题要注意。

首先是模型路径。ComfyUI 社区习惯把模型放 models/diffusion_models/，但 SenseNova 节点不走这个路径，它调的是 folder_paths.get_folder_paths("sensenova")。得在 extra_model_paths.yaml 里注册：

custom_paths:
    sensenova: /workspace/ComfyUI/models/sensenova

其次是 symlink 不生效。我一开始图省事在容器内用 ln -s 建软链，结果节点扫不到模型。Python 3.10 的 Path.rglob() 不跟随 symlink，而节点恰好是用 rglob 扫描的。老老实实用 docker run -v bind mount 真实路径就行。

最后验证一下：

curl -s http://localhost:8188/object_info | python3 -c "
import json, sys
nodes = json.load(sys.stdin)
sense = [n for n in nodes if 'sense' in n.lower() or 'U1' in n]
print(f'共 {len(nodes)} 个节点，其中 SenseNova 节点 {len(sense)} 个')"

看到 SenseNova 节点 13 个 就说明部署成功了。

防火墙记得开 ufw allow 8188/tcp，然后浏览器打开 http://<服务器IP>:8188就可以进入ComfyUI 界面了：

四、实测：从单张信息图到智能体链路

部署完了，开始出图。这部分是我最想分享的，因为 SenseNova U1.5 Lite 的能力确实和我之前用过的生图模型不太一样。

4.1 第一个测试：Prompt 出信息图

我建议第一个跑的是官方的sensenova_u1_t2i_info.json，这是这个模型最有说服力的能力展示，就两个节点：ModelLoader 和 TextToImage。Load 进去点运行就行。

我用的 prompt 大致是这样的：

这是一张"周末居家咖啡指南"的手绘风格信息图，整体氛围温馨慵懒，像一张贴在咖啡馆墙上的手写海报。画面长宽比为16:9。

背景是浅米色(#F5F0E8)的牛皮纸纹理，边缘有轻微的磨损和卷曲效果，像一张被翻过很多次的旧卡片。整体色调温暖——以咖啡棕(#6B4226)为主色，奶油白(#FFF8F0)为底，焦糖橙(#D4854A)作为点缀色，薄荷绿(#7BAE8E)用于小图标。

画面正上方居中，用手写体粗字写着大标题"☕ 周末居家咖啡指南"，标题下方用咖啡棕色手写小字写着"从一杯手冲开始你的慢时光"。标题左右两侧各有一片手绘的咖啡叶子装饰，叶子用薄荷绿色线框勾勒。

画面主体分为左、中、右三个区块。

左侧区块标题是"手冲四步法"，用咖啡棕色手写粗体。下方竖排四个步骤，每个步骤左侧有一个薄荷绿色圆形编号，右侧是说明文字和简笔画小图标：
① 研磨 — "中细研磨，像白砂糖的粗细" 旁边画一个手摇磨豆机的简笔画
② 温杯 — "92°C热水，先用少量水润湿滤纸" 旁边画一个冒着热气的杯子
③ 注水 — "从中心向外画圈，总量240ml，分三次注入" 旁边画一个手冲壶往下注水
④ 等待 — "总萃取时间2分30秒，不要急" 旁边画一个小沙漏
四个步骤之间用虚线箭头从上往下连接。

中间区块是最大的，标题是"三款豆子怎么选"，用咖啡棕色手写粗体。下方横排三张小卡片，每张卡片宽度相等：
第一张卡片：顶部画一颗浅棕色咖啡豆简笔画，卡片标题"埃塞俄比亚 耶加雪菲"，下方写着"风味：柑橘、茉莉花、蜂蜜"，底部一个标签写着"果酸明亮 ★★★★★"
第二张卡片：顶部画一颗深棕色咖啡豆简笔画，卡片标题"哥伦比亚 慧兰"，下方写着"风味：焦糖、坚果、巧克力"，底部标签"均衡醇厚 ★★★★"
第三张卡片：顶部画一颗中棕色咖啡豆简笔画，卡片标题"云南 保山"，下方写着"风味：红糖、桂圆、木质"，底部标签"国产之光 ★★★★"
每张卡片用极浅的咖啡色细边框包裹，卡片之间留有空隙。

右侧区块标题是"小贴士"，用焦糖橙色手写粗体。下方竖排三条tips，每条前面有一个焦糖橙色的小灯泡图标：
"水温别超过96°C，会过苦"
"粉水比1:15是万能公式"
"喝完记得清洗器具，咖啡渍会越积越苦"
三条tip下方画一个简笔画的猫咪趴在咖啡杯旁边的场景，猫咪用薄荷绿色线框勾勒，表情慵懒。

画面最底部居中用咖啡棕色手写小字写着"生活不需要太多仪式感，一杯好咖啡就够了 · 2026"。

绝对不能出现以下内容：任何真实人脸照片、任何3D立体渲染效果、任何荧光色或高饱和度颜色、任何赛博朋克或科技风格元素。所有插画必须是手绘简笔画线框风格，线条有轻微的手抖感，像用铅笔在纸上画的。

精确到每个区块的位置、颜色、字体、图标风格，还有"绝对不能出现什么"的排除约束。参数：num_steps=8，cfg_scale=4.0，timestep_shift=3.0，resolution=2720x1536。

生成结果如上，说实话结果让我有点意外。左中右三栏对齐，所有文字零错误，色板严格匹配 prompt 里指定的 hex 值，图标风格统一，风格也一丝不苟地执行了。

我之前用 Midjourney 和 GPT 做类似的事情，超过 500 词的 prompt 就开始丢指令，超过800字，文字和风格就很容易崩掉，而这个SenseNova U1.5 Lite能力意味着你可以把 prompt 当设计需求文档来写，模型能像设计师一样按需求执行。

这里再分享一些我做的信息图：

4.2 图像编辑：原生支持 mask 和多图参考

信息图跑通了，接下来我想试试它的另一个核心能力——图像编辑。官方的示例工作流是 image_editing.json。说实话，测完这一项之后我觉得这是整个模型最有商用价值的部分。

它原生支持四种编辑方式：mask（指定区域重绘）、bbox（边界框控制）、视觉标记（在图上画框告诉模型"改这里"）、多图参考（最多 10 张有序参考图）。

和 SDXL + ControlNet 比，最大的区别是"原生"两个字。不需要额外装一堆插件，不需要对齐不同模型的 latent space，一个 SenseNovaU1LocalImageEdit 节点拖进去就行了。

4.3 图文交织：让模型讲故事

前面测的都是单张图。但 SenseNova U1.5 Lite 还有一个很有意思的能力——图文交织（Interleave）。简单说就是模型可以一次性生成多页图文混排内容：每一页是一张插画配一段叙述文字，页与页之间风格统一、叙事连贯。

这里我用的是官方的示例工作流是 interleave.json。这个能力用来做绘本、教程、旅行日记特别合适。

这里我写了一个原创绘本故事来测试，主题是"噜噜的四季花园日记"。prompt 如下：

请生成一个4页的图文绘本故事，主题是"水豚噜噜的四季花园日记"。
画风：水彩手绘风，色调温暖明亮，线条柔和有纸张质感，像儿童绘本插画。
主角是一只圆滚滚的水豚，名字叫噜噜，一脸佛系，头上顶着一个橘子。

第一页（春天）：
画面：噜噜蹲在一片刚翻过的泥土旁边，身边放着一个小铲子和几包花种。背景是一棵刚发芽的樱花树，花瓣随风飘落。阳光从云层缝隙里洒下来，色调嫩绿+浅粉。
文字："三月，我在院子角落翻了一小块地。邻居老张说这土太瘦，种不活什么。我不信。反正我也不着急。"

第二页（夏天）：
画面：花园里开满了向日葵和牵牛花，噜噜半个身子泡在一个小木盆里，头上顶着那片荷叶，眯着眼晒太阳。一只蜻蜓停在它的鼻尖上。色调金黄+翠绿，阳光充沛。
文字："七月，向日葵长得比我还高。我找到一个小木盆，灌满水，刚好够泡澡。蜻蜓也来了，它大概觉得我是这块地里最圆的那颗石头。"

第三页（秋天）：
画面：花园里的植物开始变色，噜噜坐在一堆落叶中间，面前摆着几个南瓜和几朵菊花，嘴里叼着一根狗尾巴草。远处有一棵柿子树挂满红果。色调橙红+暖棕。
文字："十月，院子里多了好多颜色。我数了一下，光是黄色就有七八种。南瓜比我脸还大，我决定先跟它合个影再吃。"

第四页（冬天）：
画面：花园覆了一层薄雪，噜噜坐在窗台上透过玻璃往外看，身上裹着一条小毯子。窗台上放着一杯冒着热气的茶。窗外能看到枯萎的花枝上挂着红色小灯笼装饰。色调冷蓝+暖橙（窗内灯光）。
文字："十二月，花园睡着了。我在窗台上给它留了一盏灯，顺便把那条毯子分了一半给窗台上的多肉。等春天来了，我要再多种一排薄荷。"

生成的是一个 4 页图文故事。每页都是一张独立的插画，配上叙述性文字，图与图之间风格高度统一——在四页里始终保持同样的外观，只是季节在变，性格始终是那种不紧不慢的佛系劲儿。

五、性能和参数

功能跑通了，接下来聊点实际的： SenseNova U1.5 Lite到底多快、多吃资源。对于想评估是否落地的团队来说，这部分可能比前面那些 demo 更有参考价值。我直接上本次实测的数据：

阶段	耗时
权重下载（40GB，8 路并发）	~1 小时【视网络情况不同】
Docker 镜像构建	~50 分钟
模型加载到 GPU	~30 秒
T2I 8 步 2720×1536	~30 秒
T2I 50 步 2048×2048	~3 分钟

GPU 运行状态：

模型常驻显存 32GB 左右，推理过程中间变量大约需要 8GB。40GB 卡跑 bf16 full 是个紧平衡，建议使用单卡80GB，或者双卡40GB*2启动。

参数方面分享两个经验：

think_mode 建议复杂任务打开。 它会让模型先做一轮 Chain-of-Thought 推理，再做 flow-matching 生成。多区块布局、长文字渲染这类任务效果提升明显。简单的 T2I 可以不开，开了会慢一些。

编辑任务用双约束 prompt。 同时告诉模型"改什么"和"保留什么"。比如 “Change the background to sunset while preserving the subject’s pose and clothing”。只说"改什么"不说"保留什么"，模型有时候会把不该改的也改了。

场景	num_steps	cfg_scale	timestep_shift	分辨率
信息图/海报	50	4.0	3.0	2048²
8 步加速	8	1.0	3.0	2K
图像编辑	50	4.0	3.0	和输入图一致

---

部署和出图过程中碰到的问题我这里也集中列一下，方便大家排查：

症状	原因和解法
Tokenizer 报错 / 模型加载静默失败	检查一下模型权重文件是否加载完全
libcudart.so.13 not found	torchaudio 版本不匹配，显式装 cu128 版本
节点找不到模型	模型要放 models/sensenova/，yaml 里注册 folder type
节点扫描不到模型目录	Python 3.10 的 rglob 不跟 symlink，用 bind mount
GUI 工作流 API 提交 500	GUI 格式和 API 格式不一样，需要转换脚本
Interleave 报 NoneType	必须给输入图，GUI 有兜底但 API 没有

六、总结

回到开头运营那边的问题。跑完整个流程之后，我用 SenseNova U1.5 Lite + ComfyUI 搭了一条完整的出图链路：一句话 brief → T2I 出图 → edit节点调细节 → 多图排版，这里涉及公司业务所以工作流暂时就不分享了，其实就是把前面我们测试的那几个工作流串起来：

这里把我整理过后的工作流和dockerfile上传到这个仓库里：https://github.com/Heavenhjs/sensenova-u15-deploy，你们应该一看就能明白。

最后整条链路保存为一个 ComfyUI JSON 工作流，发给运营同事 Load 就能跑。

运营最大的感受是"意图传递"的损耗少了很多。之前用拼接方案，每次都要做一层"翻译"——把脑子里的想法写成文字 prompt，再把 prompt 塞给生图模型，中间丢了多少信息自己都不知道。SenseNova 的原生统一架构天然减少了这种损耗，prompt 里写的东西，出来的图真的能一条不漏地执行。

然后是一致性的惊喜。同一套品牌海报，前一张扁平风后一张写实渲染，放一起怎么看怎么别扭——这在之前是常态。用 Prompt Builder + T2I 的链路，风格和布局的一致性稳定得多。这下，我们运营都开始用这个做产品海报/营销物料的批量生成、信息图和报告配图了，不得不说SenseNova U1.5 Lite 确实有一套。

需要注意的： 40GB 显存是硬门槛（没 40GB 卡就只能走 balanced 或量化）；英文 prompt 的效果略逊于中文（我的做法是：技术描述用英文、约束条件用中文，中英混合编写）。

如果你也在折腾类似的事情，建议直接上手试。有 40GB 卡的话一个下午就能跑通，剩下的自己判断。