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

2025-12-27 22:35:04
来源:

猫眼电影

作者:

田慧

手机查看

  猫眼电影记者 喀拉拉 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:mg电子游戏爆分技巧攻略

  12月27日,11月广东CPI同比涨幅扩大 PPI环比继续上涨,6日外交部记者会上,发言人毛宁就中国飞艇误入事件表示,这次事件完全是不可抗力导致的意外。美国国防部也发表声明,这个气球,或者说飞艇,不会对地面人员构成军事和人身威胁。美方不顾中方的反复说明,执意动用武力明显反应过度,中方坚决反对。,yabo网页登陆。

  12月27日,人工智能如何赋能千行百业?三地政协献策,新的工作岗位意味着更大的责任,今后将努力提高政治站位,加强理论学习;,f66永乐官网,十三张牌游戏,杏彩彩票平台官网。

 时事2:沙巴苹果版

  12月27日,黄庭坚诞辰980周年特展启幕 85件套文物再现“山谷雅集”,汪争猛怀疑,“是不是有人搞这些工商营业执照,是为了拿国家的什么补贴呢?如果这些注册信息被使用了,那些钱应该属于集体的,但村里的账目又没有对外公开。”,九州体育手机官方版,滚球盘app,世界杯从哪买球。

  12月27日,欧美同学会“双创”大赛:梦想与报国的“双向奔赴”,但另一方面也有人不以为奇,并反驳称:“这是对家人或密友的老式正式问候。”,镭战大联盟真人cs(大宁国际店),球球官方网,kok手机下载。

 时事3:世界杯竞猜投注站

  12月27日,国际视野+青春视角 外籍人士向世界讲述浙江女性故事,直新闻注意到,莫迪政府原先计划到2020年将印度的制造业占GDP的比例从15%提升至25%,并创造1亿个制造业就业岗位。然而,目前印度制造业在GDP中的比重仅小幅上升至17.7%,而承诺的大规模就业增长也未实现,实际情况甚至在近些年来呈现萎缩趋势。,世界杯买球ab82 net认准,6up与pokerstar关系,博鱼客户端下载。

  12月27日,“十四五”期间我国文化事业投入力度空前,新北市新庄区一名女网友近日爆料,新庄运动公园水池边有一只母鹅,近日下的7颗蛋全被人抢走了。有岛内网友称,“缺蛋缺到要抢母鹅的蛋了”。,棋牌火凤凰有哪些牌,宝博最新地址,皇冠十大网赌。

 时事4:新濠平台

  12月27日,多学科专家呼吁:守护成人免疫缺口,“三高一疹”医防协同,靳东在若尔盖县工作了6年,先后任县委副书记,代理县长和县长职务。若尔盖县平均海拔3500米,高寒缺氧,严寒期长。艰苦的条件下,他不是践行入党誓词,发扬艰苦奋斗的精神努力工作,而是在金钱的诱惑下迷失了自我。,云顶娱乐网址在哪找,澳门游戏网站平台大全游戏网,欧洲杯预选赛程。

  12月27日,WTT香港总决赛:孙颖莎带伤出战 “莎头组合”获混双亚军,不同车企的转型路径各有不同,尤其那些已在电动汽车领域重仓的企业,转型策略更是差异显著。,美高梅游戏线上注册,亚游棋牌,欧洲杯今天的比赛结果。

责编:刘双

审核:李钢

责编:钱力

相关推荐 换一换