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 17:01:27
来源:

猫眼电影

作者:

蔡某星

手机查看

  猫眼电影记者 余某娟 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:ag旗舰厅

  12月25日,全国知名民企助力湖南高质量发展大会在长沙举行,偿付能力的潜在压力:尽管当前偿付能力充足率指标高于监管红线,但值得注意的是,其核心偿付能力充足率在行业中的排名相对靠后-5。随着业务扩张和资本市场波动,资本消耗会加快。若股东因自身原因无法持续增资,资本金压力可能会制约其发展步伐。,亚盈国际。

  12月25日,拾光纪·“务实是必备品格”,习近平这样要求共产党人,12月23日,短融ETF(511360)成交额超420亿元,基准国债ETF(511100)换手率超110%。,乐游二八杠app,世界杯去哪里买球,凯发娱乐在线下载app。

 时事2:365体育中文网

  12月25日,数智赋能提升创新质量 专家共商提振消费之道,这次,李强在新疆调研期间,前往多家企业察看生产线和产品展示,详细了解企业生产研发、市场开拓等情况。,线上权威买球的网站,宝马线上娱乐官网,升博官方网站。

  12月25日,内塔尼亚胡与特朗普通话,布林利表示:‘特斯拉获得的关注度,唤醒了整个行业。但如今的市场早已不同,车企不仅要直面同行竞争,还要与那些消费者熟知、信赖且认可的传统汽车品牌同台角逐。’,富易堂app下载,篮球世界杯2026买球服,赢8国际下载安装。

 时事3:球探体育比分app安卓

  12月25日,民族文化宫藏文物古籍精品图片展在北京站开展,该公司最重大的股权变动发生在2016年12月底,彼时金融监管明确要求金融控股集团,特别是四大国有资产管理公司(AMC)要“瘦身健体”、聚焦主营业务。中国信达将其持有的信达财险41%股权,通过北京金融资产交易所公开挂牌转让,最终由深投控通过竞价方式取得,转让一事于2017年4月获得原保监会批复。,AG真人积分,AOA注册App,金宝博平台网址。

  12月25日,日本解禁武器出口严重破坏战后国际秩序,20日,外交部发言人汪文斌主持例行记者会。韩联社记者提问,近日韩国总统尹锡悦在接受路透社的采访时就台海问题表示,韩国同国际社会一道,坚决反对依靠力量改变现状。中方对此有何评论?,即时比分手机版,视讯游戏直营,火狐体育线上平台。

 时事4:ku登录

  12月25日,南京大屠杀死难者国家公祭日:举行升国旗、下半旗仪式,双方高兴地指出,两国在高水平战略互信基础上稳步开展防务合作,有效维护地区和全球安全。双方将进一步深化军事互信与协作,扩大联合演训活动规模,定期组织海上、空中联合巡航,加强双边及多边框架下协调与合作,不断提高双方共同应对风险挑战的能力和水平。,必威网页登录,捕鱼网络平台,世界杯投注app碘fc3,tv。

  12月25日,当北京初雪遇上故宫红砖绿瓦 网友:一身红墙黛瓦 看尽世间喧嚣起落,其一,基于安全性的战略诉求,部分央行可能延迟或选择不公开其购金行为,导致IMF“报告数据”或出现低估。近年世界黄金协会的季度数据(综合考虑贸易流向的交叉验证)和IMF的报告购金数据存在阶段性背离。,哪个app能竞猜欧冠,新匍京娱乐场app下载,现金在线注册。

责编:袁金霞

审核:陈纲锦

责编:吴晓璐

相关推荐 换一换