Mixture-of-Transformers
PixelUMM：无编码器的统一图像与视频理解生成
PixelUMM 用单层线性投影把图像 patch 与视频 tubelet 直接送入 Mixture-of-Transformers，在像素空间联合做理解与流匹配生成。
SenseNova-U1.5：迈向原生统一视觉智能
SenseNova-U1.5 是一个 8B 参数的原生统一多模态模型，通过空间联合重建解码器和多专家强化学习及蒸馏策略，在无需外部编码器和 VAE 的情况下实现了高质量的视觉理解、推理与生成。