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

2025-12-25 01:19:04
来源:

猫眼电影

作者:

钟阜

手机查看

  猫眼电影记者 石祖波 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:新皇冠官网

  12月25日,中方介绍法国总统马克龙访华安排,“重要的不仅仅是(提供)某种特定的武器系统、某种装备,”布林肯称,“乌克兰有能力有效使用(这些武器)同样重要,而在某些情况下,这需要大量训练。”,8590海洋之神。

  12月25日,全球首台船用中压直流混合式断路器研制成功,在23日中国外交部例行记者会上,发言人林剑在回答相关问题时表示,中方坚决反对美方泛化国家安全概念,划设歧视性清单无理打压中国企业。美方应纠正错误做法,为中国企业经营提供公平、公正、非歧视的环境。,世界杯买球软件app,巴黎人网站app,谁知道博狗电子网址。

 时事2:万博登录不进去

  12月25日,中国房地产指数系统30年:行业发展潜能依然巨大,“从洛阳到开封,从开封到南阳,基本形成了一个遍及河南18个省辖市,处处开花的这样一种发展态势。其中,郑州作为交通枢纽,对周边城市的辐射带动效应也是不可替代的。”宋向清指出。,雪缘园比分直播比分,bc体育综合平台官网网址,大发888网投。

  12月25日,以创新型城市建设赋能城市内涵式更新,佐藤正久声称,如今有许多年轻人开始为了时尚而进行文身,大多文身图案只是一些花或者名字之类的内容,就加强自卫队人力而言,因有这一类文身而拒绝录用是一个严重问题。,AG真人网址推荐,世界杯买球推荐平台,365bet体育手机app下载。

 时事3:舞会森林电玩平台

  12月25日,贵州遵义余庆一处地下水源受污染 官方:情况属实,证券日报网讯 12月26日,清新环境在互动平台回答投资者提问时表示,截至2025年12月19日公司股东户数为43590户。,篮球投注平台有哪些,英皇娱乐在哪玩,沙巴体育中心。

  12月25日,好评中国|锚定高质量发展,奋力实现“十五五”良好开局,这个春节,首钢园特别策划了“不一样的非遗年”单元系列活动,集合安徽鱼灯巡游、岭南醒狮表演、北方财神巡游、机甲花灯、非遗手作等全国极具特色的非遗表演、互动体验。活动将一直持续到2月12日。,皇冠会员手机app怎么下载,斗牛怎么才能赢钱,新宝6。

 时事4:完美体育下载入口安卓

  12月25日,贯彻落实党的二十届四中全会精神权威访谈丨加快农业农村现代化 扎实推进乡村全面振兴——访农业农村部党组书记、部长韩俊,今年一季度,佛山GDP实际增速仅1.1%,不仅在广东21座地市中“吊车尾”,在26座GDP万亿城市中也惨遭垫底。,乐鱼最新版下载手机版,特码生肖来料,韦德体育外围官网。

  12月25日,辽宁省民族团结进步模范集体 | 蒙古贞乌兰牧骑,12月23日,昊海生科发布公告称,公司控股股东、实际控制人之一蒋伟因内幕交易、建议他人买卖证券行为,收到中国证监会出具的《行政处罚决定书》,被没收违法所得471万元,并处以1463万元罚款。,足球体育APP,kok注册彩金,蛇报A。

责编:罗先市

审核:符箓

责编:丁纯

相关推荐 换一换