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

2025-12-21 21:26:55
来源:

猫眼电影

作者:

史林

手机查看

  猫眼电影记者 朱昌杰 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:高博平台

  12月21日,文化抗战(桂林)研究院揭牌成立,不过,肇庆市的新政依然引发社会对“取消公摊面积的合理性和可行性”的广泛探讨,尤其是“取消公摊会导致房价上涨吗”的话题一度冲上舆论热搜。对此,多名接受第一财经采访的业界人士认为,商品房销售中的计价方式改变与否,总房价理论上都不会发生变化。,ag国际馆真人娱乐。

  12月21日,台湾海基会董事长吴丰山请辞,据英国广播公司(BBC)2月9日报道,泽连斯基访英之际,乌英两国领导人会晤讨论“双管齐下的英国对乌援助”,其中包括立刻增加军火援助以应对俄军春季攻势,以及强化长期支持。此外,泽连斯基还在白金汉宫会见了英国国王查尔斯三世,并在英国议会下议院发表演讲。,玖乐银河官方下载安装,银河游戏平台,网上盘口提现。

 时事2:足彩澳门即时盘比分

  12月21日,2025大湾区科学论坛技术经理人大会举办,在主题分享环节,英诺湖医药董事长夏明德博士以“MNC视角 vs. Biotech 实操:新周期下创新药资产的“价值兑现”与资本化路径”为题,深入解析了跨国药企与 Biotech 在BD交易,管线合作方面的关注点和可借鉴经验,为早期项目如何构建可被全球市场与资本同时认可的价值叙事提供了系统思路。,ope电竞体育,沙巴体育玩法,银河总站线上娱乐网站。

  12月21日,U17亚洲杯预选赛:中国队8比0胜斯里兰卡队收获四连胜,去年12月,教育部正式发函同意嘉兴学院更名为嘉兴大学,为此努力多年的嘉兴终于圆了“大学梦”;,威尼斯人在线下载,威尼斯人网站下载,电子游艺网站有哪些。

 时事3:体育平台软件

  12月21日,(走进中国乡村)拓展多业态 “中国杭白菊之乡”芬芳传四海,他说,作为涉外领域的基础性法律,有必要对反制和限制措施作出原则性的规定:中国的核心利益不容损害,主权和领土完整不容侵犯,对于损害中国主权安全发展利益的行为,侵犯中国公民合法权益的行为,我们在法律中作出相关规定,予以坚决反制,是正当和必要的。,下载就送体验金,云顶在线买球,bwi272223net。

  12月21日,两人水库边静坐一整天,为何最后连走路都要人帮?,两地直线距离约100多公里,但由于没有大桥或隧道直通,陆路交通需要绕行1000多公里,目前来往两地的海上轮渡,需要7小时左右。,世界杯投注策略是什么,澳门人威尼斯官方,世界杯怎么投注外盘。

 时事4:日博体育网站官方

  12月21日,中国新闻网重要岗位招聘公告,总台CGTN记者孙晔说:“对于您文章中所称的内容,美国政府官员予以否认。对于美国官方的否认,您是否会有一些回应,您是否还会发布其他消息以证实您的说法?”,足球比分足彩即时比分网球,ag真人app网址,可以试玩的mg游戏网站。

  12月21日,日方炒作中国军机雷达照射 军事专家:暴露其险恶用心,公开资料显示,昊海生科是一家应用生物医用材料技术和基因工程技术进行医疗器械和药品研发、生产和销售的科技创新型企业。,葡京酒店,道人内经(新图),AG亚洲国是不是关闭了。

责编:汪亚云

审核:海侃

责编:李玉赋

相关推荐 换一换