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

2025-12-25 20:44:50
来源:

猫眼电影

作者:

魏金

手机查看

  猫眼电影记者 苏浙 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:世界杯线上买球app

  12月25日,重磅微视频丨总书记的足迹2025,与此同时,为着力破解“产业不连片、工业不成带”,大项目找不到落脚点难题,佛山不断拓展产业空间、重塑产业格局,把工业用地规模由350平方公里调整为450平方公里,并举全市之力建设佛北战新产业园和“双十园区”。,新宝gg手机登录。

  12月25日,数智赋能提升创新质量 专家共商提振消费之道,尽管莫迪政府利用各种外交手段极大提升了印度的“国际能见度”,但高“能见度”并不等同于实际成效。楼春豪指出,莫迪预计会延续其内政和外交政策,但国内政治变动将对外交走向产生一定影响。他还提到,印度外交的未来走向也可能受到美国大选结果及后续外交政策调整的影响。,一起玩欢乐斗地主,亚游登陆平台,12bet线路检测。

 时事2:爱游戏体育官网网页

  12月25日,(乡村行·看振兴)浙江云和:景村融合助力水库移民村“鱼跃龙门”,据广东省教育厅此前发布的《关于2021年高等教育“冲一流、补短板、强特色”提升计划资金安排方案》,从2021持续至2023年,共计投入约106.5亿元助力高校“冲补强”。广东也因此成为“豪掷千金办大学”的典型代表。,天天捕鱼,世界杯可以买球的网站,九州体育地址手机版。

  12月25日,日本本州东部附近海域发生7.5级地震 青森县和北海道近两百所公立学校停课,据台媒此前报道,受低温、禽流感影响,岛内蛋荒难解,鸡蛋、鸭蛋价格双双调涨。继鸡蛋批发价涨至每台斤(约600克)55元新台币创历史新高后,先前早已涨至历史高点的鸭蛋,每台斤也在本月10日起上涨3元,产地价达到每台斤48元,同样再创历史新高。,金游世界下载,ag真人积分回收,广兴国际真人赌博。

 时事3:真钱打牌

  12月25日,欧盟强调支持索马里统一、主权和领土完整,这也是近年来郑州打造文旅强市,推动文旅文创深度融合发展的逻辑。而眼下,《细则》的出台更进一步带来提升高品质文旅文创产品供给,推动文化旅游业迭代升级的重要契机。,澳门棋牌登录,188国际平台怎么样,金沙登录网址是多少。

  12月25日,上海:打造冬季商业消费场景,报道指出,北约在位于纽约的联合国总部、位于维也纳的欧安组织总部,以及格鲁吉亚、乌克兰、波黑、摩尔多瓦和科威特都有类似的联络处,但在亚洲以及所谓“印太地区”还是头一个。,美高梅游戏网站,mg幸运双星免费旋转,AG8网站多少。

 时事4:博狗app链接

  12月25日,山西临汾:黄河古贤水利枢纽工程导流洞顺利贯通,然而,调整已近4年后的今天,自卫队的员额问题仍然未能得到明显改善。,万博manbetx注册,韦博投注网站,至尊官网下载手机版。

  12月25日,工信部许可首批L3级自动驾驶车型产品,对此,章弘建议,首先,从长期来看,中国车企可以积极考虑在欧盟国家直接投资建厂。通过在欧盟国家建立生产基地,中国车企可以绕过关税壁垒降低运营成本,并更好地融入当地市场。特别是在东南欧等汽车工业相对落后的地区,中国车企可以抓住当地欢迎外资进入的机遇,降低股份占比以融入当地市场。这样不仅可以为当地创造就业机会、增加税收并丰富市场选择,还能实现双赢局面。,德国韦博官网,366体育网址多少,环亚娱乐登录网址。

责编:刘舒

审核:奇奥瓦

责编:胡安·卡洛斯一世

相关推荐 换一换