搜索 猫眼电影 融媒体矩阵
  • 山东手机报

  • 猫眼电影

  • 大众网官方微信

  • 大众网官方微博

  • 抖音

  • 人民号

  • 全国党媒平台

  • 央视频

  • 百家号

  • 快手

  • 头条号

  • 哔哩哔哩

首页 >新闻 >社会新闻

从“数据融合”迈向“原生架构”:商汤发布 NEO 架构,重新定义多模态模型效能边界

2025-12-24 11:55:03
来源:

猫眼电影

作者:

菲尔-琼斯

手机查看

  猫眼电影记者 博萨索 报道首次登录送91元红包

商汤科技正式发布并开源了与南洋理工大学 S-Lab合作研发的全新多模态模型架构 ——NEO,为日日新SenseNova多模态模型奠定了新一代架构的基石。

作为行业首个可用的、实现深层次融合的原生多模态架构(Native VLM),NEO 从底层原理出发,打破了传统“模块化”范式的桎梏,以“专为多模态而生”的创新设计,通过核心架构层面的多模态深层融合,实现了性能、效率和通用性的整体突破,重新定义了多模态模型的效能边界,标志着人工智能多模态技术正式迈入“原生架构”的新时代。

论文网址:https://arxiv.org/abs/2510.14979

打破瓶颈:告别“拼凑”,拥抱“原生”

当前,业内主流的多模态模型大多遵循“视觉编码器+投影器+语言模型”的模块化范式。这种基于大语言模型(LLM)的扩展方式,虽然实现了图像输入的兼容,但本质上仍以语言为中心,图像与语言的融合仅停留在数据层面。这种“拼凑”式的设计不仅学习效率低下,更限制了模型在复杂多模态场景下(比如涉及图像细节捕捉或复杂空间结构理解)的处理能力。

商汤 NEO 架构正是为了解决这一痛点而生。早在2024 年下半年,商汤便在国内率先突破多模态原生融合训练技术,以单一模型在SuperCLUE语言评测 和OpenCompass多模态评测中夺冠,并基于这一核心技术打造了日日新SenseNova6.0,实现多模态推理能力领先。之后,在2025 年 7 月发布日日新SenseNova6.5 通过实现编码器层面的早期融合,把多模态模型性价比提升 3 倍,并在国内率先推出商用级别的图文交错推理。商汤此次更进一步,彻底摒弃了传统的模块化结构,从底层原理出发,推出了从零设计的 NEO 原生架构。

三大内核创新:实现视觉和语言的深层统一

NEO 架构以极致效率和深度融合为核心理念,通过在注意力机制、位置编码和语义映射三个关键维度的底层创新,让模型天生具备了统一处理视觉与语言的能力:

●原生图块嵌入(Native PatchEmbedding):摒弃了离散的图像tokenizer,通过独创的Patch Embedding Layer (PEL)自底向上构建从像素到词元的连续映射。这种设计能更精细地捕捉图像细节,从根本上突破了主流模型的图像建模瓶颈。

●原生三维旋转位置编码 (Native-RoPE):创新性地解耦了三维时空频率分配,视觉维度采用高频、文本维度采用低频,完美适配两种模态的自然结构。这使得 NEO 不仅能精准捕获图像的空间结构,更具备向视频处理、跨帧建模等复杂场景无缝扩展的潜力。

●原生多头注意力(Native Multi-Head Attention):针对不同模态特点,NEO在统一框架下实现了文本token的自回归注意力和视觉token的双向注意力并存。这种设计极大地提升了模型对空间结构关联的利用率,从而更好地支撑复杂的图文混合理解与推理。

此外,配合创新的 Pre-Buffer & Post-LLM 双阶段融合训练策略,NEO 能够在吸收原始 LLM 完整语言推理能力的同时,从零构建强大的视觉感知能力,彻底解决了传统跨模态训练中语言能力受损的难题。

实测表现:十分之一的数据,追平旗舰级性能

在架构创新的驱动下,NEO 展现出了惊人的数据效率与性能优势:

极高数据效率:仅需业界同等性能模型 1/10 的数据量(3.9亿图像文本示例),NEO 便能开发出顶尖的视觉感知能力。无需依赖海量数据及额外视觉编码器,其简洁的架构便能在多项视觉理解任务中追平 Qwen2-VL、InternVL3 等顶级模块化旗舰模型。

性能卓越且均衡:在 MMMU、MMB、MMStar、SEED-I、POPE 等多项公开权威评测中,NEO 架构均斩获高分,展现出优于其他原生 VLM 的综合性能,真正实现了原生架构的“精度无损”。

极致推理性价比:特别是在 0.6B-8B 的参数区间内,NEO 在边缘部署方面优势显著。它不仅实现了精度与效率的双重跃迁,更大幅降低了推理成本,将多模态视觉感知的“性价比”推向了极致。

开源共建:构建下一代 AI 基础设施

架构是模型的“骨架”,只有骨架扎实,才能支撑起多模态技术的未来。NEO 架构的早期融合设计支持任意分辨率与长图像输入,能够无缝扩展至视频、具身智能等前沿领域,实现了从底层到顶层、端到端的真正融合。从应用角度,端到端的“原生一体化”设计,为机器人具身交互、智能终端多模态响应、视频理解、3D交互及具身智能等多元化场景的应用,提供了坚实的技术支撑。

目前,商汤已正式开源基于 NEO 架构的2B 与 9B两种规格模型,以推动开源社区在原生多模态架构上的创新与应用。商汤科技表示,致力于通过开源协作与场景落地双轮驱动,将 NEO 打造为可扩展、可复用的下一代 AI 基础设施,推动原生多模态技术从实验室走向广泛的产业化应用,加速构建下一代产业级原生多模态技术标准。

Github开源网址:https://github.com/EvolvingLMMs-Lab/NEO

 时事1:大发888注册

  12月24日,“教练”爷爷用爱“放大”他们的世界,台“农委会”“主委”陈吉仲称,蛋类产量恢复要到5、6月,期间将全力调度满足消费者需要。对此,民众党“立委”邱臣远11日批评,台湾从导弹缺到鸡蛋,过去抢口罩抢疫苗,现在抢药、抢水、抢鸡蛋,“一场全台大缺蛋,被提升的只有‘主委’的口才反应力”。,棋牌送金币9元。

  12月24日,医保卡变“购物卡”,威胁你我“救命钱”,在昨天的外交部记者会上,直新闻记者注意到,国内外媒体普遍关注莫迪连任后中印关系的走向。发言人毛宁表示,中方对此表示祝贺。她指出,一个健康稳定的中印关系符合双方共同利益,也有利于本地区乃至世界的和平与发展。“中方愿同印方一道努力,从两国和两国人民的根本利益出发,着眼大局,面向未来,推动两国关系沿着健康稳定的轨道向前发展。”,3368www财神棋牌,金沙入口,九线拉王哪个平台好。

 时事2:世界杯买球入口

  12月24日,单板滑雪平行项目世界杯美林站次日:意大利日本获男女冠军,8月28日上午,中国煤矿文工团召开干部大会,宣布文工团领导任命决定。经文化和旅游部研究决定,任命靳东为中国煤矿文工团(中国安全生产艺术团)团长。,亿博体育体育平台,百家乐6口公式打法,斗地主诀窍。

  12月24日,约车“张冠李戴” 司机收入缩水 独家调查网络货运消费乱象,要如何平衡债务增长与债务风险?对此,研究团队从总量视角与结构视角分别进行了分析,并提出建议。,usdt小金库安全吗,天博体育官方网站最新,沙巴开户。

 时事3:欧洲杯决赛直播

  12月24日,内蒙古乌兰察布:洪灾过后,这个冬天温暖依旧,斯坦巴赫继而表示,她会留下来听听邓肯的演讲,她也理解学生们认为他的观点“伤害太大”,称学校可能需要重新考虑其言论自由政策。,18博体育,im体育真人百家乐,AG九游老哥必备的俱乐部交流区。

  12月24日,编著的书将“太原晋祠”误写为“大同晋祠” 山西博物院致歉,有受访房产测绘人士表示,预售商品房的面积是根据建筑设计图纸预测出来的,在房屋建设过程中,可能存在部分区域设计和施工调整,最终在房屋竣工后实际测绘时,产生面积差异,个别商品房项目甚至可能出现交房实测的公摊面积变化较大的情况。以套内面积计价,可以更好解决面积差异带来的房款结算问题,也可避免一些矛盾纠纷。,bbin体育中文,哪里可以竞猜欧洲杯,mg游戏摆脱手机版技巧。

 时事4:凯时app下载地址

  12月24日,郁达夫纪念馆在印尼棉兰开馆,2。尽量避免在高温时段进行户外活动,高温条件下作业的人员应当缩短连续工作时间。,九五至尊网投手机下载,VG棋牌平台,ag捕鱼王在哪里下载。

  12月24日,上海最大数智草莓植物工厂落成 实现365天“草莓自由”,普京表示,中国发展势不可挡,没有任何势力能够遏制中国发展进步。俄方愿同中国和其他“全球南方”国家加强合作,促进国际公平正义,推动建立更加平等和多极化的世界。,永利手机官网,极速体育网址平台,线上开户平台。

责编:斯图尔特·森德兰

审核:张紫婷

责编:游中林

相关推荐 换一换