商汤统一多模态理解与生成架构

当前业界的统一多模态路线分两条：一是像 GPT-4o 那样隐藏架构细节的黑盒方案，二是像 Show-o、Janus 这类公开了分离式编码器设计的开源尝试。SenseNova-U1 的 NEO-unify 属于后者中的激进派，直接把理解和生成塞进同一个自回归流，理论上能缓解理解分支提取的特征与生成分支需要的特征空间不对齐的问题。

但论文摘要没给关键数字：训练成本相比 Janus-Pro 这类分离架构涨了多少？生成质量有没有打平或超过 SD3 级别的专用生成模型？如果商汤后续开源，需要重点盯着这两个指标。另外 117 个 upvote 只有 1 条评论，说明社区还在观望，没形成讨论热度。