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

2025-12-22 01:36:42
来源:

猫眼电影

作者:

王杰群

手机查看

  猫眼电影记者 冉成荣 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:博鱼体育平台登录

  12月22日,台湾舆论:民进党当局借所谓“国籍”问题欺压陆配,随着互联网的普及、人工智能的应用,越来越多的问题能很快得到答案。那么,我们的问题是否会越来越少?,世界杯体彩怎么买球。

  12月22日,中央经济工作会议在北京举行 习近平发表重要讲话,在会见国泰集团行政总裁林绍波时,自治区党委书记马兴瑞表示,希望国泰集团发挥优势,和新疆共同运行好直航航线,不断提升吸引力和可持续性。着眼更大范围、更宽领域拓展双方互利合作,助力新疆经济社会加快发展,打造亚欧黄金通道和向西开放桥头堡。用好新疆区位优势,积极开拓中亚等区域市场,实现更大发展。,联盛,千赢国际从来没赢过,沙巴体育全站APP。

 时事2:葡京真人娱乐

  12月22日,美方将大疆无人机列入“受管制清单” 中方:坚决反对无理打压中国企业,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。,亚游国际,杏耀登录官网,牛牛棋牌。

  12月22日,大雾天气结束 北京大兴机场各跑道航班起降恢复正常,《日经亚洲》上周首先报道了北约计划在东京开设联络处的消息,报道称,该联络处将能为北约与日本、韩国、澳大利亚、新西兰等地区主要伙伴进行定期磋商提供条件。参与协调的北约国家驻日大使声称,此举将不仅是象征性的。《日经亚洲》提到,其背景在于,除了传统关注的俄罗斯以外,中国也成为了北约的“新挑战”。,纬来体育软件下载官网,世界杯球怎么买的,彩票668网。

 时事3:线上现金网址

  12月22日,庆祝中国民主促进会成立80周年大会举行 李干杰代表中共中央致贺词,大悟县市场监督管理局负责人告诉记者,村级个体工商户的登记工作,均由吕王镇工商所办理。大悟县市场监督管理局吕王工商所钱所长称,经初步核实,刘院村216名村民办理了个体工商登记,但是否均为冒名登记,还需进一步核查。,双赢棋牌app,送体验金棋牌6元,葡京pp电子平台。

  12月22日,中东珠宝品牌加码香港零售布局,另外,关税法草案二审稿增加规定,海关发现多征税款时,应当及时通知纳税人办理退还手续。另外,草案此前也明确,将纳税人发现多缴税款时申请退税的期限由1年延长为3年,并明确海关发现多征税款的应当及时退还纳税人。,ag凯发真人,百灵百人牛牛最新版下载,网络电玩森林舞会。

 时事4:bodog博狗

  12月22日,北京卧佛寺蜡梅盛开吸引游人,相比GDP十强城市格局暗流涌动,万亿城市腰部格局更加跌宕起伏。在宁波、青岛、无锡“三国杀”组合逐步瓦解后,长沙、无锡、郑州的角逐越发受到关注。,伟德国际,篮彩app排行榜,maya玛雅论坛。

  12月22日,武契奇:绝不允许有人颠倒黑白 歪曲事实,从行业环境看,人福医药面临的政策压力未有缓解迹象,药品集中带量采购范围不断扩大,从化学药向生物药、中成药扩展,价格降幅依然明显;医保支付方式改革(DRG/DIP)全面推行,促使医院更加关注药品的成本效益,对高价原研药和专利药形成压力。,williamapp,足球即時比分,必威手机官网登录。

责编:江丙坤

审核:张甦生

责编:任学光

相关推荐 换一换