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 07:55:30
来源:

猫眼电影

作者:

王建宇

手机查看

  猫眼电影记者 王华乾 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:银河游戏官网

  12月28日,风高浪急油轮失控 东海救助局成功救援,伦敦方面还称,苏纳克向泽连斯基提议提议加强英国对乌克兰军人的培训力度,包括将培训范围扩大到战斗机飞行员,以确保乌克兰能够在未来有效保卫其领空,“这将让乌军飞行员能够在将来驾驶先进的北约标准战斗机。”不过,就在一星期前,苏纳克曾对外界表示,如果向乌克兰方面提供“台风”战斗机乃至F-35隐身战斗机,那么飞行员培训工作将至少需要几个月甚至几年时间,因此军援乌克兰还是以高效为宜。,送体验金的APP。

  12月28日,北方地区将有大风降温 台风“天琴”继续影响南海,梁启东说,渤海海峡跨海通道建成后,会节约山东到辽东半岛乃至整个东北的运输成本,打通交通堵点,扩大物流,激发新的增长点,并对沿线旅游业产生积极影响。受历史上闯关东等因素影响,山东与东北地区历史渊源深厚,两个地区从经济联系、区位关系,再到情感纽带、文化渊源等方面都有很好的区域协同发展的基础。,澳门新百老汇官网,365体育官网入口在哪里,澳门永利手机网页。

 时事2:俄罗斯世界杯开户网

  12月28日,美国青年赴广西南宁交流:传承飞虎队精神 体验中国文化,检查组指出,湖北、湖南、江西三省防汛任务繁重,是长江中下游的防洪重点区域。据预测,今年汛期全国气候状况总体偏差,极端天气事件偏多,特别是长江中下游可能发生较重汛情,三省防洪抗旱体系仍有一些薄弱环节,防汛抗旱形势复杂严峻。,九五至尊手机版的电子游戏下载,彩神vll官网,365bet体育登录。

  12月28日,我国成为全球第10个国际认证救援体系国家,赛后球队上下的情绪,多少也有些凄凉,赛后队长王大雷在场边接受央视记者王涛采访的时候几乎就要流泪。王涛透露,“看到他眼中泪水打转,虽是一场平局,但作为一名老将他可能很明白意味着什么。”,极速体育主页,石家庄麻将,电子游戏网页排行。

 时事3:乐鱼登录入口

  12月28日,加纳总统:中国始终是非洲真正的朋友,她表示,投资者应 “在当前受地缘政治因素影响、格局分化的芯片行业周期中,实现投资敞口的平衡配置”。,澳门皇冠官网登入,微信上可投注世界杯吗,开元体育官方下载入口。

  12月28日,广西昭平官方回应八旬老人住山洞事件:已妥善安排其生活,报道称,林芳正在采访中强调了日本“严峻而复杂”的地区安全环境,声称除了俄乌冲突之外,东京还在应对拥有核武器的朝鲜以及崛起的中国。但林芳正辩称,可能开设的联络处“不针对特定国家”,“这不是为了传递什么信息”。,网上二八杠有赢钱的吗,mg的网址是多少,现金网下载。

 时事4:旺球网官网

  12月28日,“两新”政策有多香?更多实惠看得见,王新利作为信达财险转身国任保险后的首任总裁,2017年8月出任该公司临时负责人,并于2018年4月正式获批,其也是该公司首位社聘总裁。,必威首页官网体育,爱游戏体育平台怎么样,怎样下载AG亚游平台。

  12月28日,从“楼宇孤岛”到“青春网格” 山西晋城激活新兴青年力量,盛典以“鸿蒙初开,星河互联”的舞台理念,也生动描绘了未来智能世界的图景。从打通设备壁垒的“万物互联日常”,到舞台上用3065块曲面屏与AR、AI技术所构筑的“光宇宙”,都指明了技术发展的方向——一个无缝协同、虚实融合的智能世界。,环宇竞技下载app,必威官方网页版,炸金花什么牌最大。

责编:克莱格·霍奇斯

审核:蓝惠文

责编:归华堂

相关推荐 换一换