SenseTime Lança Modelo de Imagem Aberto SenseNova U1 Otimizado para Chips Chineses

Sentindo uma lacuna cada vez maior em relação aos rivais dos EUA, a SenseTime lançou o SenseNova U1 na terça-feira, oferecendo-o ao público de forma gratuita no Hugging Face e no GitHub. O modelo de código aberto, segundo a empresa, pode gerar e interpretar imagens sem primeiro convertê-las em texto, um atalho que reduz o tempo de processamento e diminui a carga de hardware.

"O processo de raciocínio do modelo não está mais limitado ao texto. Ele pode raciocinar com imagens também", disse Dahua Lin, co-fundador e cientista-chefe da SenseTime, em uma entrevista. Lin, que também leciona engenharia de informação na Universidade Chinesa de Hong Kong, destacou a vantagem para robôs que precisam tomar decisões rápidas em ambientes desordenados.

O SenseNova U1 funciona em chips feitos na China, uma escolha estratégica após as restrições de exportação dos EUA terem impedido a empresa de acessar os processadores de IA mais avançados, principalmente os da Nvidia. Dez projetistas de chips domésticos, entre eles Cambricon e Biren Technology, anunciaram compatibilidade com o modelo no dia do lançamento. Lin observou que, embora a empresa continue a explorar o treinamento em uma variedade de chips, o melhor desempenho ainda pode exigir hardware de ponta.

A velocidade do modelo decorre de uma nova arquitetura chamada NEO-Unify, que a SenseTime previewou no início do ano. De acordo com o relatório técnico da empresa, o NEO-Unify permite que o sistema lide com dados visuais de forma nativa, contornando a etapa de tradução de texto que atrasa muitos concorrentes. O resultado é uma geração de imagens mais rápida e um consumo de energia mais baixo, permitindo que o modelo funcione em PCs e smartphones.

Observadores da indústria veem a medida como uma tentativa de se igualar a startups domésticas como DeepSeek e MiniMax e líderes ocidentais como o GPT-Image-2.0 da OpenAI. Embora o SenseNova U1 supostamente iguale a qualidade de imagem dos principais modelos de código fechado chineses, como o Qwen da Alibaba e o Seedream da ByteDance, seu principal ponto de venda é a velocidade.

A abertura do modelo também abre a porta para uma colaboração mais ampla. Pesquisadores do Hugging Face elogiaram o lançamento, observando que testes da comunidade podem revelar desafios práticos cedo. Lin enfatizou que os feedbacks da comunidade de código aberto aceleram a iteração, um fator que ele acredita agora supera a discussão sobre código fechado versus código aberto.

Além das tarefas de imagem, a SenseTime vislumbra aplicações em robótica. Ao processar entradas visuais diretamente, um robô pode identificar objetos mais rapidamente, avaliar máquinas complexas e decidir sobre ações sem a latência introduzida pelo raciocínio baseado em texto. Lin insinuou que está trabalhando com a ACE Robotics, uma startup co-fundada por outro executivo da SenseTime, para incorporar o modelo em plataformas humanoides futuras.

O lançamento ocorre em meio a sanções repetidas dos EUA que acusam a SenseTime de permitir a vigilância em Xinjiang, alegações que a empresa nega. Essas restrições limitaram o investimento estrangeiro e as transferências de tecnologia, levando a empresa a apostar em recursos domésticos e desenvolvimento de código aberto como uma forma de contornar obstáculos geopolíticos.

Agora que o SenseNova U1 está disponível publicamente, a comunidade de IA pode testar suas alegações, e a SenseTime espera que o modelo ajude a empresa a reaver uma posição de liderança no cenário de IA em movimento rápido da China.