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 22:03:48
来源:

猫眼电影

作者:

熊家冢

手机查看

  猫眼电影记者 武强 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:菠菜十大平台

  12月24日,涉及人工智能拟人化互动服务管理 国家网信办公开征求意见,数据显示,今年全国高考报名人数首次突破1300万人大关,达1342万人,比去年增加51万人。就在千万学子迎考之际,各地高校获批的消息也密集传来。,博彩手机游戏。

  12月24日,国台办:统一是台湾前途的唯一方向,据台媒此前报道,受低温、禽流感影响,岛内蛋荒难解,鸡蛋、鸭蛋价格双双调涨。继鸡蛋批发价涨至每台斤(约600克)55元新台币创历史新高后,先前早已涨至历史高点的鸭蛋,每台斤也在本月10日起上涨3元,产地价达到每台斤48元,同样再创历史新高。,皇冠365体育,网络ag平台,澳门十大正规平台。

 时事2:最大的网上彩票平台

  12月24日,澳网男女单正赛名单公布 中国7人入围,台“农委会”畜牧处官员宣称,俄乌冲突造成国际原物料上涨是影响猪价原因之一,但主要在于百亿养猪基金补助猪舍改建,目前有七八百个猪舍在改建当中,猪量自然就会变少,这是最大原因,若明年底改建计划结束前,国际原物料经恢复平稳,相信猪价成本会降下来一些。,世界杯下注,best365官方app,博鱼体育官方网站。

  12月24日,香港举办慈善音乐会 门票收入捐予大埔火灾殉职消防员家属,二战后布雷顿森林体系确立美元与黄金挂钩,各国为交易方便将黄金存于纽约,形成路径依赖。,K8凯发快速开户,kaiyun官方入口,捕鱼四海龙王。

 时事3:皇冠在哪玩

  12月24日,残特奥会铁人三项比赛收官 广东队获得七枚金牌,经研究,聘任吴盛悦、凌逸群为中国中化控股有限责任公司外部董事,邓志雄不再担任中国中化控股有限责任公司外部董事职务。,ManBetX2,维多利亚vic67,188bet亚洲体育。

  12月24日,山西襄垣:便民食堂“烹出”家门口的幸福滋味,据国泰君安证券,2024年4月,A股沪深北三市上市新股共计5只、首发募资总额27.05亿元,募资规模环比2024年3月下滑54.15%、同比2023年4月下滑94.59%。4月新股发行上市节奏延续放缓态势,单月募资额再度下滑,刷新近五年来低位。2024年前四月,新股上市数量及募资额相比上年同期分别下滑66%和77%。,银河国际真人娱乐平台,申慱真人在线,正规bbin体育下载唯一。

 时事4:百老汇赌场网站

  12月24日,人工智能赋能教师队伍建设 未来教师公益计划启动,在中国汽车流通协会专家委员会委员章弘看来,欧盟针对中国车企的高额税率,影响显而易见。首先,这轮征税将直接导致中国车企出口欧盟的电动汽车价格上涨。高额的关税意味着中国车企需要承担更高的成本,而这些成本最终将反映在产品售价上。对于欧洲消费者而言,这意味着需要支付更多的费用来购买中国品牌的电动汽车,这无疑会削弱中国电动汽车在欧洲市场的竞争力。,足球外围赛在哪里买,m8米博体育正规吗,dafa下载。

  12月24日,多国媒体探访广西东兴侨批馆 回溯抗战侨汇中的家国情怀,“如果取消公摊不调高房子均价,那对购房者来说可以省下一大笔费用,将有力刺激房地产消费。”王业强说。,金宝博188官方网站,世界杯买球排名怎么看,2020手机电玩城。

责编:束某贵

审核:圣地亚哥·阿米戈雷纳

责编:张馨

相关推荐 换一换