Coding Agent 卷到红海，下一个被 AI 打穿的是设计师

Coding Agent 卷到红海，下一个被 AI 打穿的是设计师

WAIC 2026 上，商汤联合创始人林达华说了一句话，让很多做 Coding Agent 的人睡不着：

「多模态是 Coding 之后的下一个战场。」

商汤同时发布了 SenseNova U1 Pro——一个定位「交付级」的原生多模态 Agent，第一站直插设计行业，正面对标 GPT-Image-2。

但这次不一样的地方不是模型又大了一圈，是商汤第一次把一个数字摆到了台面上：60%。

100 个字错 1 个，在交付场景就是 0 分

「交付级」这个词，过去在生成模型圈里基本是营销话术。商汤这次给了一个具体可测的标准：

组织 200 位美院学生和设计师，面对每张模型生成的图，只回答一个问题——「你愿不愿意把这张图交给客户？」获得肯定回答的比例超过 60%，才算过线。

按这个标准回测：今年上半年之前的所有主流生图模型，交付率全部是个位数。近期发布的商业化模型，包括一些你天天在用的热门产品，也低于 50%。

目前过线的只有两个：U1 Pro 和 GPT-Image-2。

林达华举的例子值得反复看：「一张海报上有 100 个字，错了 1 个字。传统评测里模型得 99 分，但对交付来说，就是 0 分。」

这就是行业的认知裂缝。评测体系按维度打分，「细节逼真度」拿 9 分、「构图合理性」拿 8 分，综合算 85 分，看着挺美。商业场景里，一张图有一个硬伤，客户直接打回来，不跟你谈「平均分还行」。

别再盯着 benchmark 了。真正值钱的是那句话：交付率。

不是「生成模型」，是「创作模型」

U1 Pro 凭什么能过 60% 这条线？

林达华的回答很直白：「这是一个创作模型，不是一个生成模型。」

传统生图的逻辑——给一个 prompt，出一张图。不满意？换 prompt 再来一次。这就是所谓的「抽卡」。你永远不知道自己在用工具还是在赌博。

U1 Pro 的工作流完全不同。它像真实设计师一样干活：接到需求 → 理解意图 → 思考版式 → 画草图 → 退一步审视是否跑偏 → 调整结构 → 逐区填入内容 → 整体调色精修 → 输出。

整个过程是一个 Agentic Generation Loop——多步迭代、自我反思、自我修正。你看到的是最终成品，背后模型已经跑了数十轮。

这条范式和 Coding Agent 完全一致。Coding Agent 写软件也不是一步出代码，是需求分析、架构设计、逐模块实现、测试修正。现在这套「理解-生成-反馈-迭代」的方法论，被平移到了视觉领域。

「AI 在数字空间里当设计师」——这不是比喻，是同一套架构。

技术层面，U1 Pro 做了一件更激进的事：理解、生成、行动在一个模型内部统一完成。不是多模型拼接协作，是一个模型在不断调用自己的不同能力，省掉了模块间「翻译」信息的损耗。它原生支持 8K 输出（GPT-Image-2 只能到 4K），在中文渲染和东方美学上做了定向强化学习。

CLI 是面向机器的，视觉才是面向人类的

Coding Agent 的军备竞赛已经打到白热化，模型公司迭代周期被压到以月为单位，大家都在拼 benchmark、拼速度、拼 IDE 生态。

但林达华给了一记清醒的：「CLI 是面向机器的，视觉才是面向人类体验的。」

后端逻辑趋同之后，前端视觉体验就是下一阶段的竞争高地。这不是商汤一家的判断——以编程能力见长的 Anthropic，在 Opus 4.8 中也悄悄重点强化了多模态元素。