【SenseNova U1.5 Lite实战】零成本跑通商汤最新开源模型：ComfyUI集成、信息图生成与原生图像编辑全记录

**TL;DR**：本文完整记录了基于商汤开源 SenseNova U1.5 Lite（8B 参数）在魔搭社区免费 A10 24GB 云端环境中，通过 ComfyUI 自定义节点从零跑通文生图与原生图像编辑的全过程。涵盖环境搭建、节点安装、torchaudio 版本兼容修复、显存 OOM 排查与优化、信息图生成实测、原生图像编辑精准修改等核心环节。文末附可直接导入的 workflow JSON 与 GitHub 仓库，所有命令与参数均可复现。

—

一、选题背景与环境速查

1.1 为什么做这个选题

SenseNova U1.5 Lite 官方主打三个核心能力：超长指令遵循、原生图像编辑、原生 2K 高分辨率输出。这三个能力恰好命中了一个真实业务痛点——信息图/海报的自动化生产。

传统 AI 画图模型做信息图有三个硬伤：

1. 中文文字乱码：SDXL、Flux 等模型生成中文基本是乱码，信息图里的数字、标题根本没法看；
2. 改图要重画：想改个背景色、换个数字，只能重新生成整张图，之前的排版全废；
3. 分辨率不够：出图 1024，放大就糊，印刷级交付做不到。

U1.5 Lite 的三个特性正好对应解决这三个问题。本文的目标就是验证：一个 8B 小模型，能不能在免费云端环境里搭出一条「输入文案 → 生成信息图 → 局部精修」的完整流水线。

1.2 环境速查表

选择魔搭 DSW 的原因：完全免费，A10 24GB 显存足够跑 8B 模型，国内访问速度快，不需要自己租 GPU。

—

二、零成本环境搭建

2.1 开通魔搭 DSW 实例

1. 注册并登录魔搭社区（modelscope.cn）
2. 进入「模型服务」→「DSW 在线开发」
3. 选择 GPU 规格：A10 24GB（免费额度内）
4. 镜像选择：PyTorch 2.8.0 + CUDA 12.8 官方镜像
5. 启动实例，打开 JupyterLab 终端

2.2 安装 ComfyUI

# 浅克隆 ComfyUI（减少下载量）gitclone--depth1https://github.com/comfyanonymous/ComfyUI.git /root/ComfyUIcd/root/ComfyUI pipinstall-rrequirements.txt

2.3 安装 SenseNova 自定义节点

cd/root/ComfyUI/custom\_nodesgitclone https://github.com/OpenSenseNova/ComfyUI-SenseNova-U1.gitcdComfyUI-SenseNova-U1 pipinstall-rrequirements.txt

**注意**：节点仓库地址是OpenSenseNova/ComfyUI-SenseNova-U1，不是sensetime/ComfyUI-SenseNova，后者不存在。

2.4 安装 sensenova_ul 推理包

SenseNova U1 的本地推理依赖sensenova\_ul包，这个包不在 PyPI 上，需要从源码安装：

# 克隆推理包源码gitclone https://github.com/OpenSenseNova/SenseNova-U1.git /root/SenseNova-U1cd/root/SenseNova-U1touchLICENSE# 必须有 LICENSE 文件，否则 pip install -e 会报错pipinstall-e.

**踩坑记录 #1**：pip install -e时报OSError: License file does not exist，原因是源码包里没有 LICENSE 文件。解决方法：touch LICENSE创建一个空的 LICENSE 文件即可。

2.5 下载模型权重

模型在魔搭社区开源，国内下载速度快：

pipinstallmodelscope modelscope download--modelSenseNova/SenseNova-U1.5-8B-MoT --local\_dir /root/ComfyUI/models/sensenova

下载完成后，模型目录结构如下：

/root/ComfyUI/models/sensenova/ ├── config.json ├── model-00001-of-00002.safetensors ├── model-00002-of-00002.safetensors ├── model.safetensors.index.json └── tokenizer/

—

三、启动 ComfyUI 与踩坑修复

3.1 首次启动与 torchaudio 兼容问题

cd/root/ComfyUI python main.py--listen0.0.0.0--port8188

首次启动可能遇到 torchaudio 版本不兼容错误：

OSError: /usr/local/lib/python3.12/site-packages/torchaudio/lib/libtorchaudio.so: undefined symbol: aoti\_torch\_create\_device\_guard

原因：魔搭镜像自带的 torchaudio 版本与 PyTorch 2.8.0 不匹配。

解决方案：

pipinstalltorchaudio==2.8.0 --no-deps

**踩坑记录 #2**：必须加--no-deps，否则 pip 会尝试升级 PyTorch 本身，导致 CUDA 版本错乱。修复后重新启动 ComfyUI 即可正常加载。

![torchaudio报错与修复命令终端截图]

3.2 验证节点安装成功

ComfyUI 启动后，通过 API 验证 SenseNova 节点是否正确注册：

curl-shttp://localhost:8188/object\_info|python3-c" import sys, json d = json.load(sys.stdin) for k in d.keys(): if 'SenseNova' in k: print(k) "

预期输出：

SenseNovaU1LocalLoader SenseNovaU1LocalTextToImage SenseNovaU1LocalImageEdit SenseNovaU1LocalInterleave

3.3 关于 ComfyUI 界面访问

魔搭 DSW 的网关不支持/proxy/8188方式直接访问 ComfyUI Web 界面（会报 ERR_INVALID_RESPONSE）。本文采用ComfyUI REST API方式提交任务，不需要浏览器界面，所有操作通过 Python 脚本完成，更适合自动化和复现。

—

四、文生图实战：信息图自动生成

4.1 核心节点参数说明

SenseNovaU1LocalLoader 关键参数：

**关键参数名注意**：是sensenova\_u1\_src（数字 1），不是sensenova\_ul\_src（字母 l）。拼写错误会导致 400 验证失败，这个坑排查了很久。

SenseNovaU1LocalTextToImage 关键参数：

**重要**：SenseNova U1.5 最低支持 2048×2048 分辨率，不支持 1024×1024。传入不支持的分辨率会报Value not in list错误。

4.2 结构化 Prompt 模板

U1.5 Lite 支持超长指令遵循，我们可以写一份结构化的信息图生成 Prompt：

你是一位专业的信息图设计师。请生成一张信息图，严格遵循以下要求： 【画布】正方形1:1，深蓝色渐变背景，科技感 【标题区】 主标题："2026年AI行业人才趋势报告" 副标题："数据来源：子夕工作室HR调研" 标题白色粗体，下方金色分割线 【数据区】三个数据卡片纵向排列： 1. AI产品经理岗位需求同比增长 187%（火箭图标，金色数字） 2. AI算法工程师平均薪资涨幅 32%（上升趋势图，绿色数字） 3. 企业AI人才缺口达 450万（人群图标，橙色数字） 【结论区】 "AI人才争夺战已进入白热化阶段" 底部留logo位置 【风格】扁平化+微渐变，现代科技感，所有文字清晰可读无乱码

4.3 通过 API 提交生成任务

ComfyUI 的 REST API 提交方式：

importjsonimporturllib.requestimporttime server\_address="127.0.0.1:8188"# 构建工作流workflow={"1":{"class\_type":"SenseNovaU1LocalLoader","inputs":{"model\_path":"/root/ComfyUI/models/sensenova","sensenova\_u1\_src":"","device":"cuda","dtype":"bfloat16","attn\_backend":"auto","device\_map":"auto","max\_memory":"0=18GiB,cpu=64GiB","vram\_mode":"full","gguf\_checkpoint":""}},"2":{"class\_type":"SenseNovaU1LocalTextToImage","inputs":{"u1\_model":\["1",0],"prompt":"上面的结构化Prompt...","resolution":"2048x2048|1:1","cfg\_scale":4.0,"cfg\_norm":"none","timestep\_shift":3.0,"cfg\_interval\_start":0.0,"cfg\_interval\_end":1.0,"num\_steps":25,"batch\_size":1,"seed":42,"think\_mode":True}},"3":{"class\_type":"SaveImage","inputs":{"images":\["2",0],"filename\_prefix":"infographic"}}}# 提交任务data=json.dumps({"prompt":workflow}).encode('utf-8')req=urllib.request.Request(f"http://{server\_address}/prompt",data=data,headers={"Content-Type":"application/json"})resp=json.loads(urllib.request.urlopen(req).read())prompt\_id=resp\['prompt\_id']# 轮询结果whileTrue:time.sleep(10)history=json.loads(urllib.request.urlopen(f"http://{server\_address}/history/{prompt\_id}").read())ifprompt\_idinhistory:break

![生成成功终端截图，耗时约110秒]

4.4 生成效果

生成的信息图效果令人惊喜：

• 标题文字完全正确："2026年AI行业人才趋势报告"清晰无乱码
• 数据卡片布局整齐：三个卡片纵向排列，图标+文字+数字结构完整
• 数字准确：187%（金色）、32%（绿色）、450万（橙色）全部正确
• 配色符合要求：深蓝背景+金色分割线+多色数据点缀
• 底部结论正确：“AI人才争夺战已进入白热化阶段”

![AI人才趋势信息图（蓝色原版，2048×2048）]

think_mode 的影响：实测开启 think_mode=True 后，中文文字准确率从约 70% 提升到 95% 以上，代价是生成时间从约 2 分钟增加到 4 分钟。对于信息图这类文字密集的场景，强烈建议开启。

—

五、原生图像编辑：精准修改不破坏文字

5.1 编辑节点参数

SenseNovaU1LocalImageEdit 关键参数：

5.2 编辑实测：背景色修改

使用上面生成的 AI 人才信息图作为输入，编辑指令：

请编辑这张信息图：把背景颜色从深蓝色渐变改成深绿色渐变，保持所有文字、数字、图标和卡片布局完全不变。

工作流在文生图基础上增加 LoadImage 节点，将 SenseNovaU1LocalTextToImage 替换为 SenseNovaU1LocalImageEdit：

"2":{"class\_type":"LoadImage","inputs":{"image":"edit\_input.png","upload":"w"}},"3":{"class\_type":"SenseNovaU1LocalImageEdit","inputs":{"u1\_model":\["1",0],"image":\["2",0],"reference\_images":\[],"prompt":"把背景从深蓝改成深绿，保持文字不变","cfg\_scale":4.0,"img\_cfg\_scale":1.0,"cfg\_norm":"none","timestep\_shift":3.0,"cfg\_interval\_start":0.0,"cfg\_interval\_end":1.0,"num\_steps":20,"batch\_size":1,"seed":42,"think\_mode":True}}

![图像编辑完成终端截图，耗时约1770秒]

5.3 编辑效果

编辑结果堪称完美：

• 背景精准变色：从深蓝色渐变成功改为深绿色渐变
• 所有文字完全保留：标题、副标题、数据标签一个字都没变
• 数字完全不变：187%、32%、450万 原样保留
• 图标完全保留：火箭、趋势图、人群图标未受影响
• 布局完全不变：卡片位置、间距、分割线全部保留

编辑前后对比：

这在传统 Stable Diffusion 流程里需要手动画 Mask → Inpaint → 重绘，至少 3 步操作，而且重绘后文字经常乱码。U1.5 Lite 一步搞定，且不破坏任何原有内容。

—

六、显存优化：从 OOM 到稳定跑通

6.1 初次 OOM

最初使用默认配置（vram_mode=“full” + 1536×2720 分辨率）时，ComfyUI 日志报错：

\[ERROR] Got an OOM, unloading all loaded models.

A10 24GB 显存跑 8B 模型（bfloat16 约 16GB）+ 2K 分辨率生成，显存确实紧张。

![ComfyUI日志OOM报错截图]

6.2 优化过程

第一次尝试：降低分辨率

• 改为 1024×1024 → 报错Value not in list，模型最低支持 2K
• 结论：不能通过降分辨率省显存

第二次尝试：vram_mode=“low”

• 开启逐层 CPU↔GPU 交换，理论上最省显存
• 结果：仍然 OOM，且 ComfyUI 进程被系统 OOM killer 杀死
• 原因：low 模式只卸载权重，生成时的激活值和 KV cache 仍在 GPU 上

第三次尝试：device_map=“auto” + max_memory 限制

"device\_map":"auto","max\_memory":"0=18GiB,cpu=64GiB","vram\_mode":"full"

• 使用 accelerate 自动将部分层放到 CPU 内存
• 限制 GPU 最多用 18GB，超出部分自动卸载到 CPU
• 结果：文生图成功跑通，耗时约 4 分钟

图像编辑进一步优化：

• 图像编辑比文生图更吃显存（同时加载原图+生成）
• 将 max_memory 降到0=15GiB,cpu=64GiB
• 结果：编辑成功跑通，耗时约 29 分钟（速度慢但稳定）

6.3 显存模式对比总结

**踩坑记录 #3**：vram_mode 和 device_map 互斥。当 device_map != “none” 时，vram_mode 会被强制设为 “full”。单卡显存不足时，应该用 device_map=“auto” 而不是 vram_mode=“low”。

—

七、更多生成效果展示

除了 AI 人才趋势图，还测试了其他主题的信息图生成：

7.1 心理健康行业数据图

• 主题：2026心理健康行业洞察
• 风格：温暖治愈，淡紫淡蓝渐变
• 数据：职场焦虑检出率 68.5%、企业EAP覆盖率增长 45%、线上咨询用户规模 1.2亿
• 效果：所有文字数字准确，圆角卡片风格统一

7.2 企业数字化转型信息图

• 主题：2026企业数字化转型
• 风格：商务科技，深色背景
• 数据：流程数字化率 89%、运营成本降低 32%、客户满意度提升 27%、数据决策占比 76%
• 效果：四卡片横向布局，文字清晰
  

7.3 科技炫图

• 主题：SenseNova U1.5 Lite 能力展示
• 风格：赛博朋克，霓虹光效
• 效果：AI大脑神经网络视觉，环绕文字展示核心能力
  

—

八、完整踩坑时间线：从 0 到跑通的 10 个真实问题

整个部署过程并非一帆风顺，前后遇到了 10 个具体问题。这里按时间顺序完整记录，每个问题都有报错信息、根因分析和解决方案，希望能帮后来者少走弯路。

坑 #1：节点仓库地址写错

现象：git clone https://github.com/sensetime/ComfyUI-SenseNova.git报 404。

根因：仓库实际地址是OpenSenseNova/ComfyUI-SenseNova-U1，不是sensetime/ComfyUI-SenseNova。

解决：

gitclone https://github.com/OpenSenseNova/ComfyUI-SenseNova-U1.git

坑 #2：sensenova_ul 推理包不在 PyPI

现象：pip install sensenova-ul报No matching distribution found。

根因：推理包只在 GitHub 开源，没有发布到 PyPI。

解决：从源码安装：

gitclone https://github.com/OpenSenseNova/SenseNova-U1.gitcdSenseNova-U1touchLICENSE# 见坑 #3pipinstall-e.

坑 #3：pip install -e 报 LICENSE 不存在

现象：

OSError: License file does not exist: /root/SenseNova-U1/LICENSE

根因：源码仓库里没有 LICENSE 文件，但 pyproject.toml 里引用了它。

解决：touch LICENSE创建一个空文件即可。

坑 #4：torchaudio 版本不兼容

现象：

OSError: /usr/local/lib/python3.12/site-packages/torchaudio/lib/libtorchaudio.so: undefined symbol: aoti\_torch\_create\_device\_guard

根因：魔搭镜像自带的 torchaudio 版本与 PyTorch 2.8.0 不匹配。

解决：

pipinstalltorchaudio==2.8.0 --no-deps

必须加--no-deps，否则会连带升级 PyTorch，导致 CUDA 版本错乱。

![torchaudio完整报错堆栈+修复命令终端截图]

坑 #5：ComfyUI 启动参数不识别

现象：加--enable-cors-api参数启动时报unrecognized arguments。

根因：当前 ComfyUI 版本已移除该参数，CORS 默认开启。

解决：去掉该参数，直接python main.py --listen 0.0.0.0 --port 8188。

坑 #6：参数名拼写错误（数字 1 vs 字母 l）

现象：提交 workflow 报 400：

{"error": {"message": "Prompt outputs failed validation", "details": "Required parameter is missing: sensenova\_u1\_src"}}

根因：代码里写的是sensenova\_ul\_src（字母 l），实际参数名是sensenova\_u1\_src（数字 1）。两个字符肉眼几乎无法区分，排查了很久。

解决：将参数名改为sensenova\_u1\_src，传空字符串即可。

坑 #7：分辨率不支持

现象：

Value not in list: resolution: '1024x1024|1:1' not in \['2048x2048|1:1', '2720x1536|16:9', ...]

根因：SenseNova U1.5 是原生 2K 模型，最低支持 2048×2048，不支持 1024。

解决：使用2048x2048|1:1或更高分辨率。

坑 #8：生成时 OOM

现象：

\[ERROR] Got an OOM, unloading all loaded models.

随后 ComfyUI 进程被系统 OOM killer 杀死。

根因：vram_mode=“full” + 2K 分辨率 + 8B 模型，24GB 显存不够。

解决：见第六章，使用device\_map="auto"+max\_memory限制。

![ComfyUI日志OOM报错截图]

坑 #9：DSW 网关不支持端口代理

现象：访问https://xxx.modelscope.cn/proxy/8188报ERR\_INVALID\_RESPONSE。

根因：魔搭 DSW 网关不支持 ComfyUI 的 WebSocket 连接。

解决：放弃浏览器界面，改用 ComfyUI REST API（/prompt+/history/{id}）提交任务，完全不需要图形界面。

坑 #10：DSW 实例重启后 /root 数据丢失

现象：重启实例后，/root/ComfyUI目录不存在了。

根因：魔搭 DSW 只有/mnt/workspace目录持久化，/root目录每次重启都会重置。

解决：将所有安装脚本和模型下载到/mnt/workspace下，或重启后重新执行安装命令。建议写一个一键启动脚本保存到/mnt/workspace。

—

九、可复现资源

9.1 Workflow JSON

本文使用的两个核心工作流已导出，可直接导入 ComfyUI：

1. workflow_text2image.json— 文生图工作流（信息图生成）
2. workflow_image_edit.json— 原生图像编辑工作流

9.2 GitHub 仓库

所有 workflow、参数配置、使用说明已开源至 GitHub：

仓库地址：https://github.com/mini5201314/SenseNova-U1.5-ComfyUI-Workflow

仓库包含：

• 两个可直接导入的 workflow JSON 文件
• 详细的环境搭建与参数说明
• 推荐配置与显存要求

![GitHub仓库页面截图，展示文件列表与README]

9.3 快速启动命令

# 1. 修复 torchaudio（魔搭环境必须）pipinstalltorchaudio==2.8.0 --no-deps# 2. 启动 ComfyUIcd/root/ComfyUInohuppython main.py--listen0.0.0.0--port8188>/tmp/comfyui.log2>\&1\&# 3. 等待启动后提交任务（使用本文的 Python 脚本）sleep30\&\&python3 gen.py

—

十、结论与建议

10.1 核心结论

1. SenseNova U1.5 Lite 是目前 8B 级别中中文文字生成能力最强的开源模型之一。信息图中的标题、数字、标签全部准确无乱码，这是 SDXL、Flux 等模型做不到的，得益于其文本-图像联合建模架构。
2. 原生图像编辑是杀手级功能。不需要手动 Mask，用自然语言就能精准修改图片局部，且不破坏原有文字和布局。将信息图的修改成本从"分钟级重画"降到"一次指令"，这是传统扩散模型的工作流无法比拟的。
3. 24GB 显存可以跑通，但需要优化。默认配置会 OOM，使用device\_map="auto"+max\_memory限制可以稳定运行。文生图约 4 分钟/张，图像编辑约 29 分钟/张（15GB 限制下）。对于非实时场景完全可用。
4. think_mode 对文字质量影响巨大。开启后中文文字准确率从约 70% 提升到 95% 以上，建议所有文字密集场景都开启。
5. 零成本云端方案完全可行。魔搭 DSW 免费 A10 24GB 环境 + ComfyUI API 方式，不需要本地 GPU，不需要付费租卡，适合个人开发者和小型团队快速验证。

10.2 对商汤团队的建议

1. 完善文档：官方文档中缺少 ComfyUI 节点的详细参数说明，特别是sensenova\_u1\_src这种容易拼错的参数名，建议补充参数对照表和常见错误排查。
2. 降低显存门槛：目前 8B 模型需要约 18GB 显存才能稳定运行，建议提供官方 GGUF 量化版（Q4/Q8），让 12GB 甚至 8GB 显存用户也能体验。
3. 提升编辑速度：15GB 限制下图像编辑需要 29 分钟，建议优化 KV cache 管理或提供快速编辑模式。
4. 提供示例 workflow：官方可以提供信息图、海报、PPT 配图等场景的示例工作流和 Prompt 模板，帮助新手快速上手。
5. 明确分辨率下限：文档中应明确标注最低支持 2048×2048，避免用户尝试 1024 分辨率时报错。

10.3 后续规划

1. 将工作流封装成独立 Web 应用，支持团队共享和批量生成
2. 探索 LoRA 微调，适配特定品牌风格的信息图生成
3. 结合 LangChain 做文档解析 → 信息图生成的全链路自动化
4. 测试 SenseNovaU1LocalInterleave 节点的多图混合生成能力

—

十一、附录：完整踩坑清单

—

**本文所有 workflow、参数配置、踩坑记录均已开源至 GitHub：https://github.com/mini5201314/SenseNova-U1.5-ComfyUI-Workflow**

欢迎 Star、Fork、提 Issue，一起完善 SenseNova U1.5 Lite 的应用生态。