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 01:00:07
来源:

猫眼电影

作者:

奥普莱特

手机查看

  猫眼电影记者 胡建背 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:足球体育直播

  12月28日,贝宁突发!国家电视台遭部分军人控制,总统府:局势可控,国泰航空之前已在内地开通19个航点,但这次格外用心,为乌鲁木齐航线专门投放了配备可全平躺商务舱座椅的A330-300宽体机,在机载娱乐系统加入了《我的阿勒泰》,商务舱酒单上还出现了新疆产的红酒。,贝博体育平台下载地址在哪。

  12月28日,基础更稳 动能更强 活力更足——2025新疆经济高质量发展观察,美国11月通胀意外降温,但大多数华尔街分析人士对《财经》指出,数据可能受到政府停摆的影响而失真。此前由于政府停摆,10月CPI(消费者物价指数)数据被取消发布。美国劳工部雇员为本月发布的数据所无法获得的变通方法和缺失数据,可能已导致数据向下倾斜。对于一些价格指数,美国劳工统计局使用了非调查数据进行指数计算。,鸿博体育在哪注册,2020欧洲杯对阵图,爱博怎么开户。

 时事2:im体育网站是多少

  12月28日,第九届宁德(霞浦)大黄鱼产业创新发展大会举行,谭克非:我们坚决反对美方向中国台湾地区出售武器。美方行径粗暴干涉中国内政,严重违反一个中国原则和中美三个联合公报特别是“八一七公报”规定,严重损害中国主权和安全利益,严重威胁台海和平稳定。中方对此强烈不满,已向美方提出严正交涉。,金宝博平台网址,bbin在线登录,9号赌城。

  12月28日,中国国民党主席郑丽文:“台独”没有任何空间,在台湾讲“我是中国人”何来原罪,2013年,王超从商务部调任外交部,出任外交部副部长,分管欧洲地区事务、翻译、档案和机关党务工作。,沙巴体育软件下载,沙巴体育官方网站体,和记娱乐注册。

 时事3:365官网注册

  12月28日,A股消费股周一涨幅居前,据英国广播公司(BBC)2月9日报道,泽连斯基访英之际,乌英两国领导人会晤讨论“双管齐下的英国对乌援助”,其中包括立刻增加军火援助以应对俄军春季攻势,以及强化长期支持。此外,泽连斯基还在白金汉宫会见了英国国王查尔斯三世,并在英国议会下议院发表演讲。,极速体育在线下载,114网址大全,yabo22vip最新地址。

  12月28日,在国营老厂当“主理人”:重庆民主村靠“融”字经翻身,票据利率上行。截至12月26日,3M期国股直贴利率、3M期国股转贴利率、6M期国股直贴利率、6M期国股转贴利率分别为1.00%、0.69%、1.15%、1.09%,较12月19日分别变动+31BP、+15BP、+17BP、+15BP。,华球足球,宝博备用网址,mg游戏网站。

 时事4:365bet体育手机版中文

  12月28日,看烟花、游灯会、逛花市……广州“花式过大年”可以这样玩|请到广东过大年,黄金被计入并添加到国际储备中,这些储备可以在国际市场上出售或作为央行储备管理任务的一部分进行存放。,贝博体育平台app,皇马球迷论坛,买球2026世界杯网。

  12月28日,今年前10个月我国交通运输经济运行稳中有进,而另一方面,虽然同比来看,资金分层仍旧处于相对低位,但是环比来看,当前资金分层有一定抬升的迹象,这背后或与非银机构短信用套息策略升温有关。,leyu乐鱼在哪注册,星际扑克网页注册,另通天报。

责编:唐晓

审核:沙勒罗瓦

责编:陈某文

相关推荐 换一换