La batalla mundial por la generaci\u00f3n de im\u00e1genes mediante IA est\u00e1 en pleno apogeo. La semana pasada, OpenAI present\u00f3 oficialmente GPT Image 2, dejando at\u00f3nito a todo Internet. Ya se trate de im\u00e1genes para el comercio electr\u00f3nico en directo, fotos nost\u00e1lgicas al estilo de los 90 o complejos diagramas de conocimiento, una demostraci\u00f3n alucinante tras otra ha inundado los feeds de todas partes.<\/p>\n\n\n\n
No hace falta preguntarlo: est\u00e1 claro que la generaci\u00f3n de im\u00e1genes mediante IA ha dado un salto cualitativo.<\/p>\n\n\n\n
En tan solo unos d\u00edas, SenseTime, una importante empresa tecnol\u00f3gica china, respondi\u00f3 r\u00e1pidamente con una nueva baza: SenseNova U1<\/strong>. Este modelo multimodal de comprensi\u00f3n y generaci\u00f3n sit\u00faa la \u201ccomprensi\u00f3n de im\u00e1genes\u201d y la \u201cgeneraci\u00f3n de im\u00e1genes\u201d en el mismo cerebro.<\/p>\n\n\n\n Su principal avance radica en una \u201carquitectura de modelo unificado\u201d desarrollada por la propia empresa, denominada NEO-Unify, que integra la comprensi\u00f3n, el razonamiento y la generaci\u00f3n en un \u00fanico sistema.<\/p>\n\n\n\n Y lo que es m\u00e1s importante, no lo mantuvieron cerrado. SenseNova U1<\/strong> Ahora es un proyecto de c\u00f3digo abierto al 100 % en GitHub, y ya hay una gran cantidad de usuarios que han empezado a probarlo. Incluso los expertos en IA de Hugging Face y del MLS Super Intelligence Lab lo est\u00e1n siguiendo de cerca y le dan el visto bueno.<\/p>\n\n\n\n Esta versi\u00f3n incluye la serie ligera SenseNova U1 Lite<\/strong>, con dos variantes del modelo:<\/p>\n\n\n\n Los par\u00e1metros pueden parecer \u201ccompactos\u201d, pero el rendimiento supera con creces las expectativas. En diversas pruebas de rendimiento, SenseNova U1<\/strong> muestra un rendimiento superior en todas las dimensiones, alcanzando niveles de vanguardia (SOTA) entre los modelos de c\u00f3digo abierto de tama\u00f1o similar.<\/p>\n\n\n\n Lo que resulta a\u00fan m\u00e1s sorprendente es que, en varios indicadores, se acerca \u2014o incluso supera\u2014 a algunos grandes modelos comerciales propietarios.<\/p>\n\n\n\n Antes de entrar en detalles t\u00e9cnicos, veamos algunas demostraciones reales para hacernos una idea de los l\u00edmites de SenseNova U1<\/strong> capacidades.<\/p>\n\n\n\n Su principal punto fuerte es la generaci\u00f3n continua de im\u00e1genes y texto, gracias a la tecnolog\u00eda original de SenseTime de \u00abcadena de pensamiento\u00bb entrelazada de im\u00e1genes y texto.<\/p>\n\n\n\n Tomemos como ejemplo la creaci\u00f3n de un boceto paso a paso de una catedral g\u00f3tica. Durante su proceso de razonamiento, SenseNova U1<\/strong> analiza con gran detalle la est\u00e9tica arquitect\u00f3nica compleja, casi como un \u201carquitecto\u201d dotado de una profunda visi\u00f3n espacial.<\/p>\n\n\n\n En el pasado, mantener la coherencia entre varias im\u00e1genes generadas era uno de los problemas m\u00e1s dif\u00edciles. Sin embargo, en esta demostraci\u00f3n, desde los bocetos iniciales hasta el resultado final ornamentado, la estructura principal, el n\u00famero de arbotantes e incluso los motivos de los rosetones permanecen alineados casi a la perfecci\u00f3n.<\/p>\n\n\n\n Este nivel de coherencia hace que parezca un tutorial de dise\u00f1o real y f\u00e1cil de seguir.<\/p>\n\n\n\n Otra propuesta sencilla: dise\u00f1a una biblioteca situada en un acantilado junto al mar y pres\u00e9ntala desde varios \u00e1ngulos.<\/p>\n\n\n\n Cinco perspectivas, cinco fragmentos de texto, cinco im\u00e1genes: se alternan de forma rigurosa y avanzan de manera l\u00f3gica. Desde el exterior al interior, desde la estructura a la atm\u00f3sfera, desde el d\u00eda al atardecer, cada \u201cpensamiento\u201d se visualiza directamente.<\/p>\n\n\n\n El texto explica la intenci\u00f3n del dise\u00f1o; las im\u00e1genes sirven de validaci\u00f3n visual. Ambos elementos se complementan entre s\u00ed.<\/p>\n\n\n\n A\u00fan m\u00e1s llamativa es la coherencia estil\u00edstica que se aprecia en las cinco im\u00e1genes: la arquitectura, los materiales y la paleta de colores se ajustan al mismo concepto de dise\u00f1o.<\/p>\n\n\n\n As\u00ed es como deber\u00eda ser \u201cpensar mientras se dibuja\u201d.<\/p>\n\n\n\n Con solo unas sencillas instrucciones, SenseNova U1<\/strong> puede crear una historia de c\u00f3mic.<\/p>\n\n\n\n La sucesi\u00f3n de las cuatro vi\u00f1etas es precisa: desde una luz solitaria en unas ruinas cibern\u00e9ticas, pasando por unos robots que se re\u00fanen alrededor de un anciano que lee, hasta un primer plano de l\u00e1grimas que caen sobre las p\u00e1ginas y, por \u00faltimo, un plano general de una larga l\u00ednea del horizonte. La progresi\u00f3n emocional se va construyendo capa a capa.<\/p>\n\n\n\n Los personajes y las escenas mantienen su coherencia a lo largo de toda la obra, gracias a SenseNova U1<\/strong>\u2019su integraci\u00f3n nativa de la comprensi\u00f3n y la generaci\u00f3n de im\u00e1genes y texto.<\/p>\n\n\n\n Entre vi\u00f1eta y vi\u00f1eta, incluso a\u00f1ade detalles narrativos por s\u00ed misma, como al bautizar la \u201cTorre Silenciosa\u201d, al describir dedos que recorren marcas desgastadas por el paso del tiempo y al contrastar las l\u00e1grimas con las p\u00e1ginas amarillentas. El texto en s\u00ed mismo se lee como un peque\u00f1o relato de ciencia ficci\u00f3n, mientras que las im\u00e1genes plasman los momentos de mayor intensidad emocional.<\/p>\n\n\n\n P\u00eddele que dibuje un lobo en diferentes estilos y obtendr\u00e1s ukiyo-e, art d\u00e9co y expresionismo, todos ellos representados uno tras otro.<\/p>\n\n\n\n Incluso puede generar resultados de alta dimensi\u00f3n similares a infograf\u00edas, como diapositivas, manteniendo la coherencia estructural y visual gracias a un contexto compartido.<\/p>\n\n\n\n SenseNova U1<\/strong> Tambi\u00e9n puede explicar problemas cotidianos mediante combinaciones de im\u00e1genes y texto, lo que los hace intuitivos y atractivos.<\/p>\n\n\n\n Indicaci\u00f3n: crea una gu\u00eda sobre el caf\u00e9 de filtro.<\/p>\n\n\n\n SenseNova U1<\/strong> Primero reflexiona, luego recopila la informaci\u00f3n pertinente y desarrolla la indicaci\u00f3n para convertirla en una infograf\u00eda detallada. El resultado final incluye ocho pasos bien interrelacionados que describen con precisi\u00f3n el proceso, desde la molienda de los granos hasta la extracci\u00f3n.<\/p>\n\n\n\n Otro ejemplo: \u201cel recorrido del ciclo del agua\u201d.\u201d<\/p>\n\n\n\n SenseNova U1<\/strong> busca y recopila informaci\u00f3n, elaborando un diagrama ultraclaro de 2K que reconstruye todos los elementos geogr\u00e1ficos clave: radiaci\u00f3n solar, evaporaci\u00f3n, condensaci\u00f3n, transporte, precipitaci\u00f3n y escorrent\u00eda.<\/p>\n\n\n\n Cada paso se basa precisamente en el anterior.<\/p>\n\n\n\n Una indicaci\u00f3n de seis palabras puede generar una infograf\u00eda completa sobre la sand\u00eda, que abarque aspectos nutricionales, beneficios para la salud y consejos de consumo, lista para publicarse como un art\u00edculo completo.<\/p>\n\n\n\n Tambi\u00e9n puede crear gu\u00edas de desplazamientos al trabajo muy complejas, c\u00f3mics sobre la transici\u00f3n profesional al estilo pop art e incluso infograf\u00edas sobre desayunos de todo el mundo al estilo LEGO, en las que recrea platos emblem\u00e1ticos de pa\u00edses como Jap\u00f3n, M\u00e9xico, el Reino Unido, Turqu\u00eda, Brasil y la India.<\/p>\n\n\n\n SenseNova U1<\/strong>\u2019El impresionante rendimiento de este modelo plantea una pregunta fundamental: \u00bfc\u00f3mo puede un modelo relativamente peque\u00f1o lograr esto?<\/p>\n\n\n\n La respuesta est\u00e1 en su arquitectura.<\/p>\n\n\n\n Los modelos multimodales tradicionales siguen un enfoque \u201cmodular\u201d:<\/p>\n\n\n\n Estos componentes se entrenan por separado y luego se combinan. Funciona, pero la percepci\u00f3n y la creaci\u00f3n siguen estando desconectadas.<\/p>\n\n\n\n NEO-Unify da un paso audaz: elimina tanto VE como VAE.<\/p>\n\n\n\n Parte de una hip\u00f3tesis fundamental: el lenguaje y la informaci\u00f3n visual est\u00e1n intr\u00ednsecamente relacionados y deben modelarse como una entidad unificada.<\/p>\n\n\n\n En lugar de realizar la conversi\u00f3n entre sistemas, SenseNova U1<\/strong> se comporta como un pensador biling\u00fce, procesando la visi\u00f3n y el lenguaje de forma conjunta desde el principio.<\/p>\n\n\n\n Los experimentos demuestran que, incluso cuando la rama de comprensi\u00f3n est\u00e1 congelada, la rama de generaci\u00f3n sigue siendo capaz de recuperar detalles visuales muy precisos. Esto sugiere que la representaci\u00f3n unificada conserva tanto la riqueza sem\u00e1ntica como la fidelidad de los p\u00edxeles.<\/p>\n\n\n\nModelos SenseNova U1 Lite: tama\u00f1o reducido, gran impacto<\/h2>\n\n\n\n
Variantes del modelo SenseNova U1<\/h3>\n\n\n\n
\n
SenseNova U1: Generaci\u00f3n continua de im\u00e1genes y texto<\/h2>\n\n\n\n
Boceto arquitect\u00f3nico con SenseNova U1<\/h3>\n\n\n\n
Generaci\u00f3n de dise\u00f1os multi\u00e1ngulo con SenseNova U1<\/h3>\n\n\n\n
SenseNova U1: Narraci\u00f3n y generaci\u00f3n art\u00edstica<\/h2>\n\n\n\n
Narraci\u00f3n de c\u00f3mics con SenseNova U1<\/h3>\n\n\n\n
Generaci\u00f3n de im\u00e1genes de m\u00faltiples estilos con SenseNova U1<\/h3>\n\n\n\n
SenseNova U1 para infograf\u00edas y visualizaci\u00f3n del conocimiento<\/h2>\n\n\n\n
Infograf\u00eda sobre el caf\u00e9 de SenseNova U1<\/h3>\n\n\n\n
Visualizaci\u00f3n del ciclo del agua con SenseNova U1<\/h3>\n\n\n\n
Infograf\u00edas de alta densidad generadas por SenseNova U1<\/h3>\n\n\n\n
Arquitectura de SenseNova U1: explicaci\u00f3n de NEO-Unify<\/h2>\n\n\n\n
De la IA modular al modelo unificado SenseNova U1<\/h3>\n\n\n\n
\n
NEO-Unify: el n\u00facleo de SenseNova U1<\/h3>\n\n\n\n
Trayectoria t\u00e9cnica de SenseNova U1<\/h3>\n\n\n\n
\n
SenseNova U1 frente a GPT-Image-2<\/h2>\n\n\n\n