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

2025-12-28 15:50:56
来源:

猫眼电影

作者:

特伦斯·索尔斯

手机查看

  猫眼电影记者 韩国风 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:优博直播视讯

  12月28日,国防部:希望美方校正对华战略认知,该行预计公司2025-2027年归母净利润分别为2.5/5.4/9.3亿元,PS分别为4.5/3.7/3.2X,与可比公司相比性价比突出。,365官网唯一大品牌。

  12月28日,从模仿走向推理 姚期智在沪谈具身智能“四大期许”,昊海生科彼时表示,上述事项与本公司股票无关。蒋伟不参与公司日常经营管理,该事项不会对公司日常经营活动产生重大影响。,ag真人app官网,必威官方唯一,凯发娱乐手机登录版本。

 时事2:大发快速开户

  12月28日,2025年度中国电影总票房破480亿元人民币,在储能电池领域,亿纬锂能全球市占率仅次于宁德时代;动力电池领域,亿纬锂能排名国内第五。,ayx爱游戏网页版|AYX体育,海王星娱乐网,365bet电脑。

  12月28日,2025年版《社会工作者职业资格考试大纲》今日发布,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。,送彩金论坛网址大全,澳门体育网,国内的线上德州平台。

 时事3:BBIN体育

  12月28日,海关近期查获上万件侵权玩偶 含《疯狂动物城 2》相关公仔,在问天气闸舱里,航天员们拆包了各种出舱需要用到的工具,画面左侧银色的是舱外工具台,此次航天员出舱需要用到的工具还包括通用把手、电动工具和脚限位器。在出舱过程中,伸缩安全绳将连接航天员与空间站,守护航天员的安全。,365bet手机版登录,娱乐官网在线注册,九州体育app滚球。

  12月28日,澳门青年人才上海学习实践结业 以所学助力两地发展,本案中,诺泰生物及高管多次强调“已聘请知名会计师事务所审计”“财务处理经中介认可”,试图将责任转移给外部机构。,在哪赌足球,欧宝合法吗,ca88集团。

 时事4:365bet手机注册

  12月28日,昆明各界人士纪念“一二·一”运动80周年,据测算,在4月份0.3%的CPI同比变动中,翘尾影响约为-0.1个百分点,今年价格变动的新影响约为0.4个百分点。,凯时官网地址,哪里能买外围足球,斗地主网页版。

  12月28日,从税费数据看经济发展亮点(高质量发展看亮点·读数),德国汽车工业协会也认为,现在宣布的这些措施不会解决欧洲和德国汽车产业面临的挑战。相反,欧委会征收反补贴税的意图在贸易冲突中可能很快产生负面影响,重点必须放在欧洲作为工业基地的吸引力和竞争力上。这是成功转型和在国际竞争中占据领先地位的最佳前提。因此,需要积极的工业战略,包括积极的贸易政策。,乐鱼体育电脑版官网,星速app下载安卓苹果,188bet金宝搏电竞。

责编:山姆

审核:倪匡

责编:张怡梅

相关推荐 换一换