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 18:50:15
来源:

猫眼电影

作者:

汤姆·汉克斯

手机查看

  猫眼电影记者 斯佩齐亚 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:亚博足彩官网

  12月24日,海南封关首日 洋浦海事局启动24小时电子巡航守护航道安全,这些地区分别是吉林、江苏、重庆、浙江、湖北、四川、北京、山东、内蒙古、甘肃、福建、宁夏、河北、新疆、贵州、辽宁。天津则与全国增速持平。,手机赌博送体验金。

  12月24日,日本“搞事”背后:“新型军国主义”的危险转向,克瑞尼什旗下另一只投资中国内地科技股的交易所交易基金,今年同样实现规模增长。其持仓涵盖寒武纪、澜起科技以及中微公司等芯片制造商。,jj斗地主下载,滚球怎么看下半场有球,白小姐急旋风B。

 时事2:澳门皇冠免费网址多少

  12月24日,【图解】权威解读:5方面举措破解供需错配 最大程度激发消费潜力,如何理解全球央行在复杂宏观环境下的购金趋势和储备资产管理策略,我们通过梳理央行购金和储备资产的管理实务细节提供补充视角。,彩票快三计划平台,下载天博体育官网,无网斗牛游戏。

  12月24日,南京大屠杀历史记忆为何要持续讲述与传承?,汪争猛说,近日刘院村村民通过企查查等APP搜索,初步统计,被冒名登记个体工商营业执照的“在100户到200户之间”,一些家庭里还有三人名下都有个体工商登记信息。,BOBAPP安卓,必赢亚洲手机版官网,188体育在线值得信赖。

 时事3:巴黎人网址导航APP

  12月24日,湖南新田警方助失散45年母女团聚,汪争猛常年在江苏工作,弟弟在武汉工作,对村里的情况并不熟悉。直到父母生病,需要办理医疗报销,才发现被冒名登记个体工商户的问题。,永利体育开户,澳门金沙城中心娱乐,必赢下载。

  12月24日,希腊南部海域一移民船失控致18人死亡,针对外媒炒作的太空军事化问题,我外交部,国防部有过多次回应。外交部发言人赵立坚19日表示,美方应采取负责任的外空行为,停止推进外空军事化武器化进程,切实承担起维护外空和平与安全的应有责任。,咪乐体育官方网站,真钱注册直营,可以买角球的买球平台。

 时事4:博鱼体育官网app

  12月24日,武汉AI产业规模预计破千亿元 全产业链加速形成,最后结语,科技赋能融资租赁转型的时代已经到来。我希望融资租赁业务系统能成为连接资本、技术和市场的关键桥梁。,bet皇冠体育官方平台,BOB开户网址,爱博注册。

  12月24日,全国首批“油改电”公务船舶在长江干线投用,我们要求美方停止售台武器和美台军事联系,停止插手台湾问题,停止加剧台海局势紧张。中国人民解放军始终严阵以待,随时回击一切谋“独”挑衅和外部势力干涉,坚决捍卫国家主权和领土完整。,AG捕鱼王秒杀器,葡京体育网址,欧宝竞彩平台。

责编:施勋

审核:法伦

责编:亚瑟·苏兹伯格

相关推荐 换一换