AI 画图已经不稀奇了，画一张文字对、数据准、排版好看的完整信息图，才是真正的硬仗。
商汤日日新 SenseNova-U1-8B-MoT-Infographic 信息图增强版模型，在8B参数规模上把这件事往前推了一大步，拿到同级别最高评测分数。
信息图，AI生成最难啃的骨头
信息图（infographic）是 AI 图像生成里公认最难的一类。
海报、菜谱、学术论文页、产品介绍页，看起来只是一张图，背后同时要求模型做好三件事：文字写准、版式优美、图表数据正确。
文字写不准的情况很常见。密集小字糊成一团，列表编号出错，脚注看不清，表格注释模模糊糊，一段本来该读得清楚的信息变成了色块。
版式排不好也一样糟糕。多模块挤压变形，对齐错乱，背景杂乱，表格交替底色和图标对应关系不稳。单独看每个模块内容好像还行，整体一看就觉得散了。
图表数据画不对就更致命。柱状图的柱高跟数值对不上，坐标轴刻度标错，百分比标注有误，箭头指向了错误的数据点。
正因为同时满足三个维度太困难，过去开源模型在信息图场景里的表现普遍不理想。
商汤日日新 SenseNova-U1-8B-MoT-Infographic 信息图增强版，在原生统一模型 SenseNova-U1-8B-MoT 基础上做了专项增强：开源SOTA！商汤原生多模态一个大脑完成看图、推理、作画。
字写对了，图画准了
高密度文字渲染，是信息图生成里一个老大难。
密集的文字段落、表格注释、脚注、列表编号，过去模型在这些小字场景里容易糊，编号容易跳号错号，一整段文字看起来模模糊糊，信息图最基本的可读性都没法保证。
信息图增强版通过专项数据训练加上文字准确率强化学习（RL，Reinforcement Learning），在小字渲染的清晰度和正确率上有了显著提升。
密集的小字号文字不再是模糊一片，列表编号也能做到准确无误，脚注和注释文字清清楚楚，表格里的小字也不再糊在一起。
一个比较惊艳的场景是 arXiv 风格的学术论文页面渲染。
单栏标题、双栏正文、脚注、页码、侧边 arXiv 水印，这些元素挤在一页里，小字密度很高。
增强版能轻松实现该排版，密集小字保持清晰可读。
图表生成又是信息图里另一个容易翻车的重灾区。画一个柱状图，柱子画出来不难，让柱高、刻度、标签、图例全部跟数据对得上，非常难。
这要求模型真正理解数据语义，知道这根柱子为什么这么高，那个刻度应该标在哪里，单纯模仿图表的外形做不好这件事。
饼图、折线图、面积图也一样，每种图表都有各自的数据映射规则，模型需要在像素级别把数值关系画准确，稍有偏差就能看出来。
SenseNova U1 统一架构本身具备先理解再生成的能力，信息图增强版在此基础上，进一步用图表类数据做了强化训练，帮模型在生成之前把数据关系想清楚。
最终的效果是，柱高与数据一致，坐标轴刻度正确，年份月份与数值对应，百分比标注无误，连箭头标注都能准确指向正确的数据点。
版式稳住了，图就好看了
文字和数据的准确性解决之后，版式设计的稳定性和美观性是另一道坎。
多模块、多列构成的信息图，模块之间容易挤压变形，对齐容易错乱，背景杂乱不干净，表格交替底色和图标对应关系不稳。
信息图增强版的解法是，用版式合理性专项数据，并延长中期训练（MT，Mid Training），让模型对网格结构、留白、层级关系有更稳定的把握。
训练时间拉长之后，模型学到了更合理的空间布局规则，元素层级更清晰，背景更干净，美观度也有明显提升。延长 MT 的好处在于，模型有更多时间消化版式相关的模式，不像短训练那样容易出现布局上的随机偏差。
版式稳定性上来之后，应用场景自然就打开了。
增强版能覆盖 100 多种风格和版式，海报、产品介绍、食谱菜谱、游戏卡牌、百科教程、漫画创作、塔罗抽卡，各类场景都能稳定生成。
画图增强，理解没掉队
统一模型专项增强生成能力，通用理解能力容易退化，这是一个绕不开的挑战。
信息图增强版在 U1-8B-MoT 基础模型之上构建，做法上分了三步走。
在 MT 阶段用高质量数据延长训练，在 MT 和 SFT 阶段优化理解与生成任务的数据配比，在 RL 阶段进一步打磨奖励设计，减少生成信息图时出现黑色背景等问题。
三步走每一步都有针对性。MT 阶段延长训练，给模型更多时间学习信息图的结构和文字模式。SFT 阶段调数据配比，保证理解任务的数据不被生成任务淹没，模型不会偏科。RL 阶段打磨奖励函数，让模型知道什么样的信息图是好的，什么问题需要避免，比如黑色背景这类生成中的常见故障。理解和生成不是两条互斥的路，数据配比和奖励设计做到位，两者可以共存。
从评测结果来看，增强版在信息图相关基准上提升明显，视觉理解能力基本保持。
BizGenEval 模型能力评估围绕布局、属性、文字、知识四个维度打分。信息图增强版在 BizGenEval Hard 上较原版提升 6.8 分，从 39.8 涨到 46.6；在 BizGenEval Easy 上提升 4.3 分，从 61.1 涨到 65.4。与同级别开源模型的差距进一步拉开。
IGenBench 的 Q-ACC（问答准确率）测试，衡量的是信息图是否同时满足文本、图表、数据、结构要求。增强版从 51.3 分跃升到 69.5 分，提升 18.2 分，成绩大幅上涨。I-ACC 从 4.2 分提升到 17.0 分，提升 12.8 分。这两项提升幅度都很可观，说明增强版在信息图的整体正确性上有了质的飞跃。
在 OneIG 英文和中文基准上，增强版分别为 55.6 和 53.3，与原版的 54.5 和 53.8 基本持平，视觉理解能力没有明显退化。专项增强做到了，通用理解也没丢。
开源模型里，信息图增强版的 BizGenEval 和 IGenBench Q-ACC 分数都明显领先其他开源选手。
IGenBench Q-ACC 的 69.5 甚至超过了商业模型 GPT-Image-1.5 的 55.0 和 Qwen-Image-2.0 的 50.0，在信息图问答准确率这一项上，8B 开源模型打过了体量大得多的商业对手。
Z-Image、Qwen-Image、Bagel 等开源模型在 BizGenEval Hard 上都没超过 10 分，和信息图增强版的 46.6 差距明显。在 OneIG 英文和中文基准上，增强版和原版差距很小，理解能力稳住了。
跟商业模型比，Nano-Banana-Pro 和 Nano-Banana-2.0 在多项指标上依然领先，但增强版是仅 8B 参数规模的开源模型。
SenseNova-U1-8B-MoT-Infographic 在 8B 这个轻量规模上，把信息图生成这件事推进了一大步。
参考资料：
https://modelscope.cn/models/SenseNova/SenseNova-U1-8B-MoT-Infographic/summary
https://huggingface.co/sensenova/SenseNova-U1-8B-MoT-Infographic
