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 15:19:54
来源:

猫眼电影

作者:

张林泉

手机查看

  猫眼电影记者 罗牛山 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:麻将牌有多少张

  12月27日,中国发现4.1亿年前云南古嵴鱼 研究揭开早期肺鱼演化关键密码,(2)个人成长需要打开视野,人际交往需要打开心扉,科技创新需要打开思路……打开,发现新的自己;打开,带来新的气象。每一次“打开”,都有一段故事。,欧洲杯开户网址线上。

  12月27日,特朗普称委内瑞拉抢了美国石油 马杜罗批驳其殖民企图,《产经新闻》昨天报道称,在去年年末对修订“国家安保三文件”的讨论工作中,甚至出现了采用外国人担任海上自卫队舰艇舰员的提议,这一“极端的人力保障方案”,可以说是海自乘员严重不足的又一侧面佐证,尽管在陆、海、空三支自卫队中,海上自卫队的满员率已是相对最高。,AG视讯计划,麻将胡了3,斗地主在线玩。

 时事2:斗球体育app官方

  12月27日,中欧青年文明对话大会在西安开幕,2月6日以来,土耳其连续发生强烈地震,造成重大人员伤亡和财产损失。据土耳其和叙利亚政府及救援方面8日最新消息,土耳其南部靠近叙利亚边境地区的强震已致两国超过11000人遇难。,白小姐网,博彩app下载安装,AG真人视讯下载。

  12月27日,香港特区政府举行南京大屠杀死难者国家公祭日纪念仪式,俄方发布的图片显示,一架受损的无人机停在积雪覆盖的田野上,其外形与乌克兰生产的UJ-22无人机相似。,best365登陆官网,亚洲体育,卡塔尔世界杯投注入口。

 时事3:提现打鱼游戏

  12月27日,呼伦贝尔在北京招商引资近160亿元,中新网5月10日电 据韩联社报道,韩国将向日本派遣福岛核污染水排海考察团,在日本停留4天以上。,ayxapp官方,美高梅下载官网,AG平台捕鱼技巧。

  12月27日,菲律宾否认澳海滩枪击案嫌疑人曾在菲接受军事训练,哈萨克斯坦总统托卡耶夫、吉尔吉斯斯坦总统扎帕罗夫、塔吉克斯坦总统拉赫蒙、乌兹别克斯坦总统米尔济约耶夫将在参会同时,对华进行国事访问。,澳门金年会app下载官网,炸金花游戏单机版,世界杯线下投注平台。

 时事4:球棎篮球即时比分网

  12月27日,香港宏福苑火灾已致128死83伤,曾文莉说,“要发展网球经济和其他体育经济,我们要思考一下,是否已将体育产业充分市场化,运动员的商业价值是否已充分释放,对体育产业、体育经济的杠杆作用是否已充分发挥。”她表示,“我们应该为明星运动员的商业活动营造更好的舆论环境、政策环境和制度环境。”,英皇娱乐手机登录,赢博体育平台不出款,美高梅棋牌游戏。

  12月27日,从翻台账到秒查询 呼和浩特网格员绘方寸地图藏民生答卷,上海交通大学财税法研究中心副主任王桦宇告诉第一财经,此次关税立法积极听取和有效回应社会公众的专业意见和诉求,并针对规则的可操作性作了进一步细化并采取法定形式固定下来。,bet9九州体育10年信誉,世界杯买球入口官网,澳门皇冠视频网站入口。

责编:郑亚丛

审核:劳逸

责编:于勇

相关推荐 换一换