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

2025-12-27 08:07:09
来源:

猫眼电影

作者:

格莱纳

手机查看

  猫眼电影记者 杨某处 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:赢捕鱼

  12月27日,甘肃省永靖县发生滑坡 45户房屋被埋 无人员伤亡,或许因为常年没有中超球队的缘故,奥体中心的草皮维护并不算完整,现场来看草皮偏软,费南多下半场打丢点球,或许草皮也是其中一个因素。,万博官方manbext20。

  12月27日,冬奥会混双冰壶资格赛开赛 中国组合迎来两连胜,这是2022年2月航天员叶光富在中国空间站演奏《月光下的凤尾竹》的“名场面”。时隔2年多,叶光富再次飞天,这次他将会带另外一种乐器前往空间站。,AG真人平台网站,365体育平台首页,能看世界杯的网站。

 时事2:新银河娱乐注册

  12月27日,双子座流星雨划过各地夜空,对此,章弘建议,首先,从长期来看,中国车企可以积极考虑在欧盟国家直接投资建厂。通过在欧盟国家建立生产基地,中国车企可以绕过关税壁垒降低运营成本,并更好地融入当地市场。特别是在东南欧等汽车工业相对落后的地区,中国车企可以抓住当地欢迎外资进入的机遇,降低股份占比以融入当地市场。这样不仅可以为当地创造就业机会、增加税收并丰富市场选择,还能实现双赢局面。,怎么投注世界杯都停了,亲朋捕鱼爆分时间,AG真人网址推荐。

  12月27日,南京举行“烛光祭·国际和平集会”遥寄哀思 祈愿和平,对于香港成为“国际金融中心遗址”的言论,唐家成则强调,香港拥有世界一流银行、保险、证券和资产管理等多个金融行业,这些共同奠定了香港国际金融中心地位,不能单以股市冷热衡量实力。他表示,支持香港成为国际金融中心的核心优势没改变,长远来看,非常看好香港市场前景。,免费送彩金大全,信誉比较好的AG平台,优博在线登录。

 时事3:澳门新百老汇app

  12月27日,中国首个智能化无人风电场在宁夏投运,总结来看,今年高考期间南北方不少地区考生都免不了冒雨“赶考”了,建议受影响地区考生提前出发,关注临近预报、预警信息,做好防护;同时及时调整好心态,尽量降低天气对考试状态的影响。,电竞怎么赌注,澳门线上荷官发牌,乐博网址是多少。

  12月27日,市场监管总局:严抓校园食品安全 立案查处违法案件1.2万余件,▫️ 过去五年里,各大车企已在电动汽车领域浪费了数十亿美元的资本投入。▫️ 美国底特律三大车企正重新聚焦高油耗的大型皮卡与运动型多用途车(SUV),多家车企坦言,此前推动电动汽车发展的核心动力是政策要求,而非消费者的真实需求。,日博体育快速登陆,爱赢体育全站,博狗直播。

 时事4:在线买球平台

  12月27日,希拉里:中国在太阳能和电动车等领域的优异成绩令人深刻,目前关于渤海海峡跨海通道的代表性的方案,同样是修建铁路隧道,即全线采用铁路隧道,由“双洞单线行车隧道+一条服务隧道”组成。,鸿博app下载官方版安卓,伟德体育在线注册,牛牛抢庄倍数怎么算。

  12月27日,广西南宁市民江边露营享周末,常年打球的张先生告诉《环球时报》记者:“在郑钦文夺冠前的这几年,网球运动在大众层面一直是向上走的态势,加入网球运动行列中的人不断增多。”张先生分析,这也许跟网球是隔网运动有关,因此在疫情期间受到欢迎。,电竞游戏押注app,优博官网,巴黎人所有网站。

责编:于长城

审核:林玉梅

责编:柏家沟

相关推荐 换一换