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

2025-12-22 04:31:42
来源:

猫眼电影

作者:

张晓光

手机查看

  猫眼电影记者 和小斌 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:拉斯维加斯游戏平台网址

  12月22日,报告预测:中国微短剧行业将在多维层面持续进化,分产业看,今年一季度,佛山一产增加值47.56亿元,增长3.9%;二产增加值1500.65亿元,下降0.3%;三产增加值1324.44亿元,增长2.7%。其中,二产出现负增长,反映工业动能偏弱,成为拖累经济增长的关键所在。,银河官方平台。

  12月22日,社交化娱乐化泛滥 儿童电话手表“变味”引忧,4月22日,中国金融四十人论坛(CF40)以“如何平衡债务增长与债务风险”为主题召开了CF40宏观政策季度报告(2024年一季度)发布会,就上述问题发表了研究成果和研究建议。,千亿真人百家乐,乐玩游戏中心,龙王捕鱼平台手机版。

 时事2:老快三技巧

  12月22日,三人轮椅首次亮相残特奥会 广东北京均获连胜,在巨量资金持续涌入的背景下,多只A500ETF规模刷新历史新高。例如,A500ETF基金(512050)昨日单日净流入额达28.78亿元,基金规模突破300亿元大关,攀升至319.26亿元,刷新历史新高。,真人网上娱乐官网,杏彩平台登陆线路,ag捕鱼app下载官网。

  12月22日,一抹青色三千年 浙江青瓷何以成为东方美学“通用语”?,与西方相比,中国不仅尊重中亚各国选择的发展道路,也在合作中充分考虑中亚国家的舒适度与获得感。,凯时在线登陆,沙巴体育客户端去哪里下载,九州足球。

 时事3:多哈世界杯官方网站

  12月22日,中国外交部:日方炒作所谓“雷达照射”问题别有用心,“战区”栏目称,虽然目前还不清楚J号物体是什么,以及中国可重复使用的太空飞行器用它做了什么,但如果LeoLabs的数据是准确的,它将指出后者具有重要的机动能力,可以主动接近轨道上的其他物体并与之“互动”。,天博下载中心,大奖娱乐游戏官方网站,KOKO体育APP。

  12月22日,美国青年赴广西南宁交流:传承飞虎队精神 体验中国文化,泰国主帅石井正忠赛后表示本场比赛只拿到平局,自己负全部责任。随后中国队的赛后新闻发布会,有记者转述泰国队主帅的言论,问伊万为这个平局负多少责任?由于该记者还提问了第二个关于变阵双中锋的问题,伊万跳过责任的提问转而回答第二个问题,但现场媒体并不满意,集体追问伊万自己应该承担多少责任。老头多少显得有些尴尬,只能无奈说道,“作为职业教练,任何结果都要负责。”,万能娱乐捕鱼什么时候好打,威尼斯人登路,bbin新体育。

 时事4:巴黎人安卓应用下载

  12月22日,元旦假期将有强冷空气影响我国 局地累计降温近20℃,尽管关税政策对经济的提振效果未达预期,但特朗普演讲中多项核心关税承诺最终基本得以兑现。,欧博会员登录入口,博鱼平台网址,鸿博 app新版本下载。

  12月22日,外籍友人在沪挽袖献血 中医特色服务为公益添温情,双方反对在亚洲和太平洋地区拼凑封闭排他的集团架构,特别是针对任何第三方的军事同盟。双方指出,美国“印太战略”以及北约图谋在亚太地区采取的破坏性动向,对该地区和平稳定造成消极影响。,ManBetX万博在线买球,365bet手机网址多少,188金宝慱官网可信吗。

责编:基金——

审核:杨小五

责编:廖晖

相关推荐 换一换