商汤给图像编辑模型补了一课，连改十轮的“糊图病”缓了不少

拿 AI 改图的兄弟们应该都有过这种经历：第一次改，漂亮；第二次改，还行；改到第七八次，墙面开始长奇怪的纹理，整个背景像被人拿砂纸磨过一遍。

11 月 5 日，商汤在 Hugging Face 放出了 SenseNova-U1.5-8B-MoT-TailSteer，Apache-2.0 协议，完整权重，专门对付这种多轮编辑越改越糊的毛病。我们 AI主线 的看法是：TailSteer 是商汤给 SenseNova U1.5 补上的一堂早该补的课，换个模型 ID 就能用，单轮能力基本没丢，但目前所有成绩都出自官方自己的测试，只能算“有希望”，还不是定论。

越改越糊，这病商汤自己早就认了

先说这病怎么来的。多轮编辑里，上一轮的输出就是下一轮的输入。每一轮都会带进一点点误差，误差不会自己消失，像拿复印件再去复印，一层层叠上去。

商汤心里有数。U1.5 基座的模型卡在已知局限里就写了：大范围、多轮或多参考图的编辑可能出现漂移，要把很多区域一起保住的时候尤其明显。

放回这条产品线里看节奏：U1 的论文 5 月前后挂上 arXiv，U1.5 预览版 7 月底开源，主打原生 4K 出图和编辑，正式版 8 月中旬上线。TailSteer 被官方称为“最后一道训练阶段”，是在已经成型的 U1.5 上做精修，不是换代。补课，不是转向。

改个模型 ID 就能用，这才是真香的地方

TailSteer 怎么做的？官方的说法是“保住早期动态，引导轨迹尾部”。翻成人话：图像生成的去噪过程大致是先出大轮廓，后补细节，“尾部”说的就是后面补细节的那一段。训练时从 50 步里的第 42 步开始往后施加引导，学的是模型自己单次编辑的去噪过程，没被改动的原图内容当作“保留参照”。

训练数据也省事。只用单次编辑的轨迹，不要人工标好的“编辑前后配对图”，也不需要拿多轮编辑链来训。

对使用者来说，最香的是部署。官方说架构、模型布局、加载接口都和基座一样，是完整权重：不用 adapter，不用合并，不加推理模块，推理时也不需要保护蒙版。把官方推理包里的模型路径换成新 ID，下一轮把上一轮的输出再喂回去，就行了。

数字漂亮，但这把尺子是自家的

官方主推的成绩来自 Add & Preserve：100 张图，每轮往红框里加一个小物体，前面加的要留着，框外全部保持不变，连做十轮。第十轮时，框外区域的 PSNR 从 11.23 涨到 18.22，涨了 6.99 dB；LPIPS 降了 31.3%。这两个指标都是拿改完的图去对原图，看没动的地方变了多少。

先泼一点冷水。SSIM 的满分是 1，TailSteer 十轮后是 0.489，基座是 0.166。这是“没那么崩”，不是“不崩”，十轮之后背景离原图仍有一大截距离。

代价也摆在官方的表里。单轮能力是“基本持平”，并非原封不动：Qwen-Image-Bench 英文分从 53.43 降到 52.24，RISE 准确率从 31.39% 降到 29.44%，官方自己也写了这一项更低。两分上下的小亏，换多轮的大稳，爱连续改图的人划算，只改一次的人就是白换。

还有两点要留心。Add & Preserve 这把尺子是随这次发布一起拿出来的，模型刚上线，谈不上第三方复现。另外 ComfyUI Wiki 转载的 U1.5 正式版数据里，ImgEdit 是 4.59，TailSteer 这张表里基座是 4.43，口径明显不一样，别跨表比。

同行怎么啃这块骨头，谁该现在就试

多轮编辑漂移是个公开难题，路线不止一条。10 月中旬 arXiv 上的 MTEdit 走的是数据路线：造了 50 万条多轮编辑轨迹，最多 8 轮，平均 5.38 轮，训出 Qwen-Image-MTEdit，论文自称在参评的开源模型里成绩领先。TailSteer 走的是另一条：改训练目标，省掉造多轮数据的成本。两边用的评测集不同，哪条路更划算，现在没法下结论。

那谁该试？已经在用 U1.5 做迭代改图的，比如海报、商品图一轮轮调细节的，换 ID 的成本几乎为零，拿自己的图对着基座跑一遍就知道值不值。

还没上手 U1.5 的，先算算硬件。名字里写 8B，HF 页面标的却是 18B 参数、BF16，光权重就得三十多 GB。U1.5 预览版出来后，社区给 ComfyUI 做过 GGUF、INT8、FP8 的量化节点，TailSteer 能不能吃上这波，得等人去试。

接下来盯两件事：有没有人在自己的图上复现这个差距，以及商汤会把这道工序并进下一版基座，还是一直当个外挂版本。这两件事落地，我们 AI主线 再来聊它到底算不算改图的新标配。