測(cè)基準(zhǔn)全解析：OneIG、LongText與IGenBench分?jǐn)?shù)復(fù)現(xiàn)指南)
SenseNova-U1評(píng)測(cè)基準(zhǔn)全解析OneIG、LongText與IGenBench分?jǐn)?shù)復(fù)現(xiàn)指南【免費(fèi)下載鏈接】SenseNova-U1SenseNova-U series: Native Unified Paradigm with NEO-unify from the First Principles項(xiàng)目地址: https://gitcode.com/gh_mirrors/se/SenseNova-U1本文帶你快速看懂SenseNova-U1圖像生成能力的三大核心評(píng)測(cè)基準(zhǔn)OneIG、LongText與IGenBench并給出官方分?jǐn)?shù)表的對(duì)照解讀和可落地的復(fù)現(xiàn)步驟。SenseNova-U1 是基于 NEO-unify 架構(gòu)的原生統(tǒng)一多模態(tài)模型一個(gè)模型同時(shí)完成圖像理解與生成官方在 evaluation 目錄下提供了完整的基準(zhǔn)復(fù)現(xiàn)腳本幫助新手用最少的配置跑出可信的成績(jī)。一、評(píng)測(cè)體系概覽一張雷達(dá)圖看懂 U1 的能力邊界SenseNova-U1 的評(píng)測(cè)覆蓋理解、生成、交錯(cuò)推理三條主線(xiàn)其中生成方向的基準(zhǔn)OneIG、LongText、BizGenEval、CVTG、IGenBench 等是本文的重點(diǎn)。官方雷達(dá)圖直觀展示了各維度的相對(duì)表現(xiàn)完整復(fù)現(xiàn)指南入口見(jiàn) evaluation/README.md圖像生成部分單獨(dú)成篇evaluation/docs/image_generation.md。所有生成類(lèi)基準(zhǔn)都遵循同一個(gè)兩階段流程先生成圖片再評(píng)測(cè)打分shell 啟動(dòng)腳本會(huì)把兩步串起來(lái)你只需要執(zhí)行一條命令。二、三大核心基準(zhǔn)逐個(gè)拆解2.1 OneIG中英雙語(yǔ)通用文生圖基準(zhǔn)OneIG是通用文生圖T2I能力基準(zhǔn)分為EN英文與ZH中文兩個(gè)子集主要考察模型對(duì)通用場(chǎng)景的還原能力。它通常與 LongText、BizGenEval、CVTG、IGenBench 一起取平均分用來(lái)繪制生成速度 vs 平均性能的權(quán)衡曲線(xiàn)上圖橫軸為單圖生成延遲縱軸為 OneIG (EN/ZH)、LongText (EN/ZH)、BizGenEval (Easy/Hard)、CVTG、IGenBench 與 Qwen-Image-Bench 的平均性能。OneIG 分?jǐn)?shù)是官方文檔中直接給出的結(jié)果指標(biāo)在 docs/u1_infographic_model.md 的對(duì)比表中可作為通用生成能力參考。2.2 LongText長(zhǎng)文本渲染基準(zhǔn)英/中雙語(yǔ)LongText專(zhuān)門(mén)考察模型在圖像中渲染大段文字的能力同樣分英文en和中文zh兩條流水線(xiàn)。它最大的特點(diǎn)是評(píng)測(cè)完全本地化基于 OCR 文本匹配打分不需要調(diào)用任何評(píng)判模型 API是最容易上手復(fù)現(xiàn)的基準(zhǔn)。英文提示詞evaluation/gen/longtext/data/text_prompts.jsonl中文提示詞evaluation/gen/longtext/data/text_prompts_zh.jsonl一鍵啟動(dòng)腳本evaluation/gen/longtext/run_longtext.sh2.3 IGenBench直接問(wèn)答式 T2I 評(píng)測(cè)基準(zhǔn)IGenBench是通用文生圖基準(zhǔn)評(píng)測(cè)方式為直接圖像-問(wèn)答判定為每張生成圖配一組問(wèn)題由一個(gè) OpenAI 兼容的 VLM 評(píng)判模型默認(rèn) Gemini 3 Pro逐題打分最終匯總為準(zhǔn)確率指標(biāo)。提示詞與問(wèn)題都從數(shù)據(jù)集的 JSON 元信息中直接讀取。生成腳本evaluation/gen/igenbench/gen_images_igenbench.py評(píng)測(cè)腳本evaluation/gen/igenbench/eval_images_igenbench.py一鍵啟動(dòng)腳本evaluation/gen/igenbench/run_igenbench.sh三、分?jǐn)?shù)復(fù)現(xiàn)指南三步跑通 IGenBench 與 LongText3.1 第一步準(zhǔn)備環(huán)境與模型先克隆倉(cāng)庫(kù)并安裝依賴(lài)然后把--model-path指向本地檢查點(diǎn)或官方模型 IDgit clone https://gitcode.com/gh_mirrors/se/SenseNova-U13.2 第二步編輯啟動(dòng)腳本變量每個(gè)run_*.sh的頂部都集中了需要修改的變量模型路徑、API 地址、評(píng)判模型、輸出目錄。以 IGenBench 為例打開(kāi) run_igenbench.sh 修改MODEL_PATH、API_BASE、API_KEY、JUDGE_MODEL即可。3.3 第三步一條命令完成生成 評(píng)測(cè)# IGenBench需要評(píng)判模型 API bash evaluation/gen/igenbench/run_igenbench.sh # LongText本地 OCR 評(píng)測(cè)無(wú)需 API bash evaluation/gen/longtext/run_longtext.sh如果你只想手動(dòng)分兩步執(zhí)行也可以直接調(diào)用 Python 腳本并帶上與官方技術(shù)報(bào)告一致的采樣參數(shù)python evaluation/gen/longtext/gen_images_longtext.py \ --model-path sensenova/SenseNova-U1-8B-MoT \ --output-dir outputs/longtext/en \ --lang en \ --cfg-scale 4.0 --cfg-norm none --timestep-shift 3.0 --num-steps 50四、官方已公布的參考分?jǐn)?shù)對(duì)照用以下為 docs/u1_infographic_model.md 中的歷史成績(jī)摘錄復(fù)現(xiàn)后可對(duì)照量級(jí)是否合理模型IGenBench Q-ACC ↑OneIG (EN) ↑OneIG (ZH) ↑SenseNova-U1-8B-MoT-Infographic-V366.354.652.4SenseNova-U1-8B-MoT-Infographic-V271.455.453.5SenseNova-U1-8B-MoT51.354.553.8注IGenBench 指標(biāo)按百分制展示OneIG 僅作為通用生成能力參考。五、復(fù)現(xiàn)避坑清單這些細(xì)節(jié)決定分?jǐn)?shù)可比性采樣參數(shù)必須對(duì)齊默認(rèn)參數(shù)cfg-scale 4.0 / cfg-norm none / timestep-shift 3.0 / num-steps 50與官方技術(shù)報(bào)告一致CVTG-2K 尤其要求 2048 像素輸出降低分辨率會(huì)導(dǎo)致結(jié)果不可比。斷點(diǎn)續(xù)跑生成腳本會(huì)跳過(guò)已存在的輸出圖片中途中斷后直接重跑啟動(dòng)腳本即可繼續(xù)評(píng)測(cè)腳本會(huì)跳過(guò)已打分的條目加--force-rerun可強(qiáng)制重評(píng)。評(píng)判模型可替換所有基于 API 的評(píng)測(cè)器都接受任意 OpenAI 兼容端點(diǎn)——SenseNova、Gemini、Azure OpenAI或本地的 vLLM / sglang 服務(wù)都可以。多 GPU 策略TIIF-Bench 走 DDP每卡一個(gè)完整模型副本CVTG-2K 則用 HFdevice_mapauto把單模型切分到多卡單卡放不下時(shí)優(yōu)先選后者。多模型對(duì)比評(píng)測(cè)時(shí)給 IGenBench 加--gen-model-name標(biāo)簽便于在同一輸出目錄下區(qū)分不同生成器。更多基準(zhǔn)BizGenEval、CVTG-2K、TIIF-Bench的詳細(xì)參數(shù)表與環(huán)境變量說(shuō)明參見(jiàn) evaluation/docs/image_generation.md理解方向基準(zhǔn)的復(fù)現(xiàn)見(jiàn) evaluation/docs/understanding.md。六、相關(guān)資源速查資源路徑評(píng)測(cè)總?cè)肟趀valuation/README.md圖像生成基準(zhǔn)指南evaluation/docs/image_generation.mdLongText 提示詞英/中evaluation/gen/longtext/data/IGenBench 腳本目錄evaluation/gen/igenbench/官方分?jǐn)?shù)對(duì)比表docs/u1_infographic_model.md文生圖推理示例examples/t2i/inference.py掌握這三個(gè)基準(zhǔn)后你就可以像研究者一樣用數(shù)據(jù)說(shuō)話(huà)先跑 LongText 驗(yàn)證文本渲染底線(xiàn)再用 IGenBench 做通用能力橫評(píng)最后對(duì)照 OneIG 中英文雙榜確認(rèn)均衡性——這就是 SenseNova-U1 圖像生成能力的完整體檢流程。【免費(fèi)下載鏈接】SenseNova-U1SenseNova-U series: Native Unified Paradigm with NEO-unify from the First Principles項(xiàng)目地址: https://gitcode.com/gh_mirrors/se/SenseNova-U1創(chuàng)作聲明：本文部分內(nèi)容由AI輔助生成（AIGC），僅供參考 SenseNova-U1評(píng)測(cè)基準(zhǔn)全解析：OneIG、LongText與IGenBench分?jǐn)?shù)復(fù)現(xiàn)指南
SenseNova-U1評(píng)測(cè)基準(zhǔn)全解析OneIG、LongText與IGenBench分?jǐn)?shù)復(fù)現(xiàn)指南【免費(fèi)下載鏈接】SenseNova-U1SenseNova-U series: Native Unified Paradigm with NEO-unify from the First Principles項(xiàng)目地址: https://gitcode.com/gh_mirrors/se/SenseNova-U1本文帶你快速看懂SenseNova-U1圖像生成能力的三大核心評(píng)測(cè)基準(zhǔn)OneIG、LongText與IGenBench并給出官方分?jǐn)?shù)表的對(duì)照解讀和可落地的復(fù)現(xiàn)步驟。SenseNova-U1 是基于 NEO-unify 架構(gòu)的原生統(tǒng)一多模態(tài)模型一個(gè)模型同時(shí)完成圖像理解與生成官方在 evaluation 目錄下提供了完整的基準(zhǔn)復(fù)現(xiàn)腳本幫助新手用最少的配置跑出可信的成績(jī)。一、評(píng)測(cè)體系概覽一張雷達(dá)圖看懂 U1 的能力邊界SenseNova-U1 的評(píng)測(cè)覆蓋理解、生成、交錯(cuò)推理三條主線(xiàn)其中生成方向的基準(zhǔn)OneIG、LongText、BizGenEval、CVTG、IGenBench 等是本文的重點(diǎn)。官方雷達(dá)圖直觀展示了各維度的相對(duì)表現(xiàn)完整復(fù)現(xiàn)指南入口見(jiàn) evaluation/README.md圖像生成部分單獨(dú)成篇evaluation/docs/image_generation.md。所有生成類(lèi)基準(zhǔn)都遵循同一個(gè)兩階段流程先生成圖片再評(píng)測(cè)打分shell 啟動(dòng)腳本會(huì)把兩步串起來(lái)你只需要執(zhí)行一條命令。二、三大核心基準(zhǔn)逐個(gè)拆解2.1 OneIG中英雙語(yǔ)通用文生圖基準(zhǔn)OneIG是通用文生圖T2I能力基準(zhǔn)分為EN英文與ZH中文兩個(gè)子集主要考察模型對(duì)通用場(chǎng)景的還原能力。它通常與 LongText、BizGenEval、CVTG、IGenBench 一起取平均分用來(lái)繪制生成速度 vs 平均性能的權(quán)衡曲線(xiàn)上圖橫軸為單圖生成延遲縱軸為 OneIG (EN/ZH)、LongText (EN/ZH)、BizGenEval (Easy/Hard)、CVTG、IGenBench 與 Qwen-Image-Bench 的平均性能。OneIG 分?jǐn)?shù)是官方文檔中直接給出的結(jié)果指標(biāo)在 docs/u1_infographic_model.md 的對(duì)比表中可作為通用生成能力參考。2.2 LongText長(zhǎng)文本渲染基準(zhǔn)英/中雙語(yǔ)LongText專(zhuān)門(mén)考察模型在圖像中渲染大段文字的能力同樣分英文en和中文zh兩條流水線(xiàn)。它最大的特點(diǎn)是評(píng)測(cè)完全本地化基于 OCR 文本匹配打分不需要調(diào)用任何評(píng)判模型 API是最容易上手復(fù)現(xiàn)的基準(zhǔn)。英文提示詞evaluation/gen/longtext/data/text_prompts.jsonl中文提示詞evaluation/gen/longtext/data/text_prompts_zh.jsonl一鍵啟動(dòng)腳本evaluation/gen/longtext/run_longtext.sh2.3 IGenBench直接問(wèn)答式 T2I 評(píng)測(cè)基準(zhǔn)IGenBench是通用文生圖基準(zhǔn)評(píng)測(cè)方式為直接圖像-問(wèn)答判定為每張生成圖配一組問(wèn)題由一個(gè) OpenAI 兼容的 VLM 評(píng)判模型默認(rèn) Gemini 3 Pro逐題打分最終匯總為準(zhǔn)確率指標(biāo)。提示詞與問(wèn)題都從數(shù)據(jù)集的 JSON 元信息中直接讀取。生成腳本evaluation/gen/igenbench/gen_images_igenbench.py評(píng)測(cè)腳本evaluation/gen/igenbench/eval_images_igenbench.py一鍵啟動(dòng)腳本evaluation/gen/igenbench/run_igenbench.sh三、分?jǐn)?shù)復(fù)現(xiàn)指南三步跑通 IGenBench 與 LongText3.1 第一步準(zhǔn)備環(huán)境與模型先克隆倉(cāng)庫(kù)并安裝依賴(lài)然后把--model-path指向本地檢查點(diǎn)或官方模型 IDgit clone https://gitcode.com/gh_mirrors/se/SenseNova-U13.2 第二步編輯啟動(dòng)腳本變量每個(gè)run_*.sh的頂部都集中了需要修改的變量模型路徑、API 地址、評(píng)判模型、輸出目錄。以 IGenBench 為例打開(kāi) run_igenbench.sh 修改MODEL_PATH、API_BASE、API_KEY、JUDGE_MODEL即可。3.3 第三步一條命令完成生成 評(píng)測(cè)# IGenBench需要評(píng)判模型 API bash evaluation/gen/igenbench/run_igenbench.sh # LongText本地 OCR 評(píng)測(cè)無(wú)需 API bash evaluation/gen/longtext/run_longtext.sh如果你只想手動(dòng)分兩步執(zhí)行也可以直接調(diào)用 Python 腳本并帶上與官方技術(shù)報(bào)告一致的采樣參數(shù)python evaluation/gen/longtext/gen_images_longtext.py \ --model-path sensenova/SenseNova-U1-8B-MoT \ --output-dir outputs/longtext/en \ --lang en \ --cfg-scale 4.0 --cfg-norm none --timestep-shift 3.0 --num-steps 50四、官方已公布的參考分?jǐn)?shù)對(duì)照用以下為 docs/u1_infographic_model.md 中的歷史成績(jī)摘錄復(fù)現(xiàn)后可對(duì)照量級(jí)是否合理模型IGenBench Q-ACC ↑OneIG (EN) ↑OneIG (ZH) ↑SenseNova-U1-8B-MoT-Infographic-V366.354.652.4SenseNova-U1-8B-MoT-Infographic-V271.455.453.5SenseNova-U1-8B-MoT51.354.553.8注IGenBench 指標(biāo)按百分制展示OneIG 僅作為通用生成能力參考。五、復(fù)現(xiàn)避坑清單這些細(xì)節(jié)決定分?jǐn)?shù)可比性采樣參數(shù)必須對(duì)齊默認(rèn)參數(shù)cfg-scale 4.0 / cfg-norm none / timestep-shift 3.0 / num-steps 50與官方技術(shù)報(bào)告一致CVTG-2K 尤其要求 2048 像素輸出降低分辨率會(huì)導(dǎo)致結(jié)果不可比。斷點(diǎn)續(xù)跑生成腳本會(huì)跳過(guò)已存在的輸出圖片中途中斷后直接重跑啟動(dòng)腳本即可繼續(xù)評(píng)測(cè)腳本會(huì)跳過(guò)已打分的條目加--force-rerun可強(qiáng)制重評(píng)。評(píng)判模型可替換所有基于 API 的評(píng)測(cè)器都接受任意 OpenAI 兼容端點(diǎn)——SenseNova、Gemini、Azure OpenAI或本地的 vLLM / sglang 服務(wù)都可以。多 GPU 策略TIIF-Bench 走 DDP每卡一個(gè)完整模型副本CVTG-2K 則用 HFdevice_mapauto把單模型切分到多卡單卡放不下時(shí)優(yōu)先選后者。多模型對(duì)比評(píng)測(cè)時(shí)給 IGenBench 加--gen-model-name標(biāo)簽便于在同一輸出目錄下區(qū)分不同生成器。更多基準(zhǔn)BizGenEval、CVTG-2K、TIIF-Bench的詳細(xì)參數(shù)表與環(huán)境變量說(shuō)明參見(jiàn) evaluation/docs/image_generation.md理解方向基準(zhǔn)的復(fù)現(xiàn)見(jiàn) evaluation/docs/understanding.md。六、相關(guān)資源速查資源路徑評(píng)測(cè)總?cè)肟趀valuation/README.md圖像生成基準(zhǔn)指南evaluation/docs/image_generation.mdLongText 提示詞英/中evaluation/gen/longtext/data/IGenBench 腳本目錄evaluation/gen/igenbench/官方分?jǐn)?shù)對(duì)比表docs/u1_infographic_model.md文生圖推理示例examples/t2i/inference.py掌握這三個(gè)基準(zhǔn)后你就可以像研究者一樣用數(shù)據(jù)說(shuō)話(huà)先跑 LongText 驗(yàn)證文本渲染底線(xiàn)再用 IGenBench 做通用能力橫評(píng)最后對(duì)照 OneIG 中英文雙榜確認(rèn)均衡性——這就是 SenseNova-U1 圖像生成能力的完整體檢流程。【免費(fèi)下載鏈接】SenseNova-U1SenseNova-U series: Native Unified Paradigm with NEO-unify from the First Principles項(xiàng)目地址: https://gitcode.com/gh_mirrors/se/SenseNova-U1創(chuàng)作聲明：本文部分內(nèi)容由AI輔助生成（AIGC），僅供參考