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 15:24:58
来源:

猫眼电影

作者:

张荣

手机查看

  猫眼电影记者 向佛友 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:BG大游APP

  12月24日,商务部:望欧方克制审慎使用限制性经贸工具,佛山拥有全球最大的泛家居和建材产业链集群制造基地,陶瓷、酱油、电风扇、微波炉、消毒柜、铝型材产量世界第一。鲜明的产业底色,撑起了佛山3万亿元的工业规模。但在遭遇外部环境影响时,佛山新兴产业又尚未形成气候。,乐动体育官网地址。

  12月24日,泰柬边境冲突已造成3名泰国士兵死亡,此次工行青海分行设立武装部,建设一支“平时服务、急时应急、战时应战”的国防力量,是西宁市委市政府贯彻习近平强军思想的重要举措,也是西宁市国防体制改革的重大实践。,365best登录,葡京官方app下载,凯时k66首页。

 时事2:斗地主赢钱能转账微信

  12月24日,卫星互联网应用场景从传统行业专网拓展到大众消费,根据公告,最终补偿金额为公司初始投资本金6000万元的基础上,扣除届时该基金赎回到账金额,以及公司采取相关措施后,实际追回的全部款项后的差额。二人承诺最迟于公司2025年年度报告正式披露日前,将最终补偿金额足额支付至公司指定账户,资金来源为其合法自有资金或自筹资金。,爱游戏投注登录,靠谱的博彩公司App,新万博官网。

  12月24日,青海湖进入冻结期 较上年提前8天,今年下半年,华工投资、华工瑞源发起设立华工未来基金、华工瑞源二号创投基金。其中,瑞源二号基金担当“产业引擎”——围绕产业链强链补链,培育未来龙头;华工未来基金担当“战略雷达”——面向“十五五”要求,培育和壮大新兴产业和未来产业,链接源头创新,孵化颠覆性技术。,皇冠体育赛事app下载,金狮贵宾会宾至如归尊贵,bte365。

 时事3:酷游体育平台

  12月24日,诺里斯加冕2025赛季F1车手总冠军,市场研究机构Canalys高级分析师Manish Pravinkumar指出,从2024年第四季度开始,得益于在西非国家如喀麦隆和加纳的积极市场扩展,以及在埃及举办的“小米优惠狂欢节”和在尼日利亚的“小米粉丝见面会”等年末消费者互动活动,小米在非洲实现了22%的增长。,九游国际官网,大赢家足球排名,百家乐必胜方法官网。

  12月24日,全国残特奥会继续进行 多名残奥冠军同场竞技,问:美国近期在菲律宾部署中导系统,这一做法严重危害地区安全,中方是否在此次高官磋商期间表达了关切?,手机平台彩票,海立方注册,申请领取38元体验金。

 时事4:网上AG真人

  12月24日,(乡村行·看振兴)浙江临海:人与古道双向奔赴 以景富村助农增收,双方对日本向海洋排放福岛核污染水表示严重关切,要求日本以负责任方式安全处置福岛核污染水,接受严格国际监测,尊重有关国家开展独立监测的要求。,皇冠新现金网客户端下载,B0B综合体育平台下载,澳门皇冠真人网站app。

  12月24日,山西迎今冬首场降雪:雪落古城 大佛披银装,半导体是高度全球化的产业,经过数十年发展,已形成你中有我、我中有你的产业格局,这是市场规律和企业选择共同作用的结果。一段时间以来,个别国家频频泛化国家安全概念,滥用出口管制措施,人为割裂全球半导体市场,严重背离自由贸易原则和多边贸易规则,严重冲击全球产业链供应链稳定。日方拟议的有关措施,将严重影响中日企业间的正常贸易往来,损人不利己,也损害全球供应链的稳定。,排行前十买球app,和记怡情博娱,纬来体育软件下载官网。

责编:胡安·卡洛斯

审核:拉梅拉

责编:吴振祥

相关推荐 换一换