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 13:24:34
来源:

猫眼电影

作者:

许振光

手机查看

  猫眼电影记者 董梦露 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1:1xbet取款没到账

  12月24日,越冬白天鹅“栖居”山西长治漳泽湖国家城市湿地公园,在多边层面,长期以来,中国与中亚五国的合作平台主要是上合组织。除土库曼斯坦为中立国之外,其他四个中亚国家均为上合组织创始成员国。在上合组织框架内,中国与中亚国家开展的安全合作卓有成效,在打击”三股势力”、推动阿富汗和平进程等方面取得的成就有目共睹。,世界杯 买球1:15。

  12月24日,中外对话丨中外专家警告:日本主动调整军事战略,或走向穷兵黩武,青海省军区少将副司令员朗杰、工商银行青海省分行行长博来共同揭牌,西宁警备区大校司令员刘翔宣布了任职命令,市委常委、市政府副市长王刚参加活动并致词。,m6米乐官网,澳门威斯网,十大网赌网址登录。

 时事2:游戏中心斗地主

  12月24日,两岸公益大讲堂十年再聚南宁 AI赋能公益促心灵契合,截至收盘,上证指数涨0.07%,深证成指涨0.27%,创业板指涨0.41%,全市场成交额约为1.92万亿元,较上一交易日增加392亿元。,AG亚游网址,亿博体育线路检测,bbin体育手机版。

  12月24日,四川党外知识分子学习《条例》:从学深悟透到笃行实干,这也使得后备城市位次互换。2023年一季度,大连GDP达到2032.9亿元,以微弱优势领先温州、徐州,而今却被温州、徐州双双反超。,玩真钱电子,必赢免费试玩,AG国际百加乐网。

 时事3:云顶电子网投

  12月24日,五年来山西坚持修一条路、兴一片业、富一方人,今年2季度,在高管班子人数最多的时候,该公司共有4位副总裁(包括拟任副总裁)。但二季度副总裁马昌明简历从高管简历中撤下,其今年1月满60周岁,大概率为到龄退休。,优博最新地址,爱博全站APP,百姓彩票中心。

  12月24日,未到天安门 却抚到“天安门的红”,九旬老兵热泪滚烫,从承保端来看,该公司保险业务收入持续扩张,且于2021年大幅增长67.41%达104.23亿元,站上百亿保费平台。今年三季度,保险业务收入为93.41亿元,若要保持持续增长,还需更进一步。,优德集w88优德体育,下载银河APP,bet9九州手机登录入口。

 时事4:菲律宾现金网

  12月24日,多国大学校长聚焦AI变局:需加强国际合作携手“破局”,这些操作层面的障碍可能导致开发商在施工期间受阻,进而触发导致租约终止的延误条款。数据中心运营商Applied Digital的首席执行官Wes Cummins警告称,预计会有许多项目在实际交付环节出现问题。他指出:,真钱打牌类游戏,下载凤凰彩票平台,新快三游戏。

  12月24日,商务部:望欧方克制审慎使用限制性经贸工具,极目新闻记者查询发现,在重庆市甘肃商会的微信公众号中,今年1月曾发布了《[新任理事介绍]商会理事——赵菊英》的信息。其中介绍,赵菊英是泸州盛夏之光文化传媒有限责任公司总经理,籍贯是甘肃省嘉峪关市。该页面的照片显示,这个理事赵菊英与社交媒体“赵菊英家庭教育”中的赵菊英是同一人。文章介绍称,泸州盛夏之光文化传媒有限责任公司植根于山城重庆。,世界杯网站澳门,百老汇安卓版apk下载,博狗网址开户。

责编:潘天舒

审核:廉恩臣

责编:吴广跃

相关推荐 换一换