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 10:04:29
来源:

猫眼电影

作者:

蒋朗朗

手机查看

  猫眼电影记者 胡佐永 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:世界杯下注官网

  12月24日,山东青岛迎来今冬首场降雪 野生动物踏雪嬉戏尽显生机,“我们强烈呼吁欧委会严格遵守世贸组织和欧盟反补贴相关规则,保持客观、公正、透明,尽早纠正错误认定并终止调查,共同促进中欧汽车产业共融互通,维护中欧经贸合作大局,实现全球绿色可持续发展目标。”作为本次调查的行业抗辩方的中国机电商会表示,将在前期工作基础上,进一步通过各种手段坚决捍卫中国电动汽车企业合法权益。,现金在线APP。

  12月24日,中东2025之苏丹:加剧的冲突、撕裂的国家与静默的灾难,经研究,聘任李建红、吴献东、吕波、李树雷为中国船舶集团有限公司外部董事,燕桦不再担任中国船舶集团有限公司外部董事职务。,利博官网网站,九游会在线登陆,奔驰宝马电玩城游戏机。

 时事2:体球网官网下载网址

  12月24日,海外记者在广西体验独弦琴演奏 了解京族文化发展,道德败坏,公器私用,将地质调查、矿产开发等权力作为敛财纳贿的工具,搞权钱交易……,pg电子官方网站多少,捕鱼的是单机的还是联机的,澳门十大电子正规游戏。

  12月24日,3.6万人竞逐2025南宁马拉松 非洲选手破纪录夺冠,当地时间2月9日,据土耳其灾害应急管理局(AFAD)消息,在卡赫拉曼马拉什省发生7.7级地震之后,截至目前,土耳其共发生了1117次地震。(总台记者 赵兵),炸金花网站是多少,意大利足球直播,澳门权威游戏。

 时事3:新濠天地手机网

  12月24日,海南这五年:全域禁塑成效明显,在国家高端智库CDI研究员宋丁看来,东莞的主要弱项,包括外贸依存度太高、产业结构偏低端等问题,佛山一定程度上也存在,只是没有东莞严重。在欧美订单向东南亚方向转移等趋势下,佛山等受外贸订单下滑的影响比较大,需要有一个消化、调整过程。,优德中文手机版,完美体育登录入口,威尼斯电子游戏下载。

  12月24日,“中国第一龙乡”嘉荫冰雪欢乐季启动 游客零下30℃炖江鱼 赏民俗,去年,民航局、国家发改委联合发文《关于推进国际航空枢纽建设的指导意见》,画出国际航空枢纽的蓝图,提出“3+7+N”国际航空枢纽功能体系。,w66利来国际,电子游戏网站app入口,拼十抢庄玩法。

 时事4:亿博可靠吗

  12月24日,起底“职业背债人”的灰色产业链,人福医药(600079.SH)当前正面临其发展历程中最严峻的时期。先是今年三季报出现“增利不增收”的业绩背离态势,随后,公司股票于2025年12月16日起被实施“其他风险警示”(ST),标志着前期重大违法违规行为正式进入风险释放期。,ag平台哪家可靠,皇冠365安卓下载,AG真人是全网统一吗。

  12月24日,甘肃陇南:营商环境“陇上江南·办事不难”,有建议认为,实践中进口货物增值税、消费税一直由海关负责征收管理,并适用关税征收管理的相关规定。对此,草案二审稿增加规定,进口环节海关代征税的征收管理,适用关税征收管理的规定。,mgm官网,和记娱乐手机版,爱博在哪玩。

责编:张凯

审核:卓志强

责编:马管处

相关推荐 换一换