更多动态
用 ChatGPT 时回答时好时坏，不是模型的问题，是用法的问题。过去三年我踩了不少坑，总结出三层用法。 第一层：怎么问 "帮我写个文案"出废话；"帮我写一条朋友圈文案，推广大学城附近奶茶店，目标大学生，语气轻松，不超过50字"能直接发。几个要点：说清你是谁、指定格式、给例子、限范围。进阶的：给具体角色（"你是做20年风投的合伙人，风格直接毒舌"），加"一步步分析"提升准确率，直接贴样本比描述格式管用，末尾让它自查过滤低级错误。 第二层：给它看什么 AI 有上下文窗口上限，聊久了前面内容会被挤掉。新话题开新对话，关键信息放开头或结尾，主动喂资料别让它自己编，给最核心的20%效果好过全塞。聊久了让它总结再开新对话，善用 Project/Memory 存常用资料。 第三层：搭系统 同一个模型在不同产品里体验差很多，差别在中间那层约束系统。我做的开源 AI 客服 Basjoo 就是在搭这个系统：知识库管 context，规则管约束。核心思想：每次犯错加一条规则，让它不再犯。 三层嵌套不是三选一：Prompt 管怎么问，Context 管看什么，Harness 管整套纠错系统。先练好第一层，再注意第二层，慢慢搭第三层，每上一层 AI 表现跳一个台阶。
其中架构叫 NEO-Unify，砍掉了视觉编码器和 VAE，一个模型直接在统一空间里做理解+生成，不用模块拼接。 支持本地部署，有8B 稠密版 + A3B MoE 版，各带 SFT 和 RL 训练版。开源模型里理解和生成双第一，8B 版就能媲美 Seedream 4.5 这种闭源模型。 带推理的文生图（"开屏的孔雀"能理解行为逻辑）、指令式图像编辑、单次调用同时出图文（适合做信息图和教程）。 在线 demo：SenseNova-Studio HuggingFace：sensenova/SenseNova-U1-8B-MoT GitHub：OpenSenseNova/SenseNova-U1
1.6T 总参、激活约 48B，原生多模态，主推长程智能体，全程国产算力训练。 图像量化成多级离散 token，Visual Coding 与 3D 受益。 大规模长程 RL，把失败轨迹转成可验证训练任务。 W4A4 推理，prefill 吞吐提升 43%。 官方自测介于 Claude-Opus-4.8 与 Opus-5 之间。
它不堆参数，堆"层数"。32 层解码器，中间 4–27 层同权重跑两遍 → 前向 56 层计算，只存 9B。 自测 BIRD-Dev 71.38、AutomationBench 13.72，超 Qwen3.5-27B；Terminal Bench依旧落后。
