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 11:06:18
来源:

猫眼电影

作者:

赵寿九

手机查看

  猫眼电影记者 杰克·佩里 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:博鱼客户端下载

  12月28日,两场“荒野求生赛”被叫停背后:搏流量须先系好安全绳,华福证券分析称,总体来看,当前我国经济正处于温和复苏阶段,往后看,随着经济内生动能的不断修复,预计后续将会延续回升向好的趋势;结构上来看,“依靠质优来促量稳”将是未来中国经济发展的重要特点,未来经济结构将不断改善。(中新经纬APP),十大棋牌游戏平台排行榜。

  12月28日,2025-2026赛季中国冰壶联赛收官,第一,现场除了中国小朋友之外,在华的俄罗斯小朋友也来参加活动。这样的安排在以往的国事访问的欢迎仪式当中是不多见的。,二八杠的比牌大小原则,贝博bb平台体育网页版,贝博app体育网页版。

 时事2:鸿博体育线路检测

  12月28日,中国佛教圣地五台山为文物建“数字档案”,相比之下,同处珠三角的东莞经济明显回暖。一季度,东莞GDP达到2752.68亿元,同比增长5.5%,较去年同期回升3.3个百分点,其中规上工业增加值增速高达10.1%,表现亮眼。,万豪app中文版,鸿博,澳门游戏在线。

  12月28日,人民财评:供需“双向奔赴”,打开消费增长新空间,2月6日以来,土耳其连续发生强烈地震,造成重大人员伤亡和财产损失。据土耳其和叙利亚政府及救援方面8日最新消息,土耳其南部靠近叙利亚边境地区的强震已致两国超过11000人遇难。,奥门银河误乐城app下载,牛牛官网下载,王者体育最新版下载。

 时事3:888真人注册

  12月28日,北京景山AI食堂吸引市民,正如黄渤在盛典上所讲述的,“对于鸿蒙来说,退一步可能不是什么海阔天空,却有可能是无影无踪。”从2015年开始立项开发,鸿蒙团队以及追光者们十年死磕,以不懈努力走出了一条艰难却通向希望的路,照亮属于奋斗者的光辉岁月。,日博娱乐游戏,亚娱快速登陆,体球即寸比分网手机版app。

  12月28日,澳门青年人才上海学习实践结业 以所学助力两地发展,2004年,韩勇调任新疆维吾尔自治区党委常委、组织部部长,后任新疆维吾尔自治区党委副书记,新疆生产建设兵团党委书记、政委,中国新建集团公司董事长等职,2016年1月任陕西省政协党组书记、主席,至2022年1月不再担任,后转任第十三届全国政协人口资源环境委员会副主任。,365bet在线滚球下载,火狐APP安卓,二八杠网上哪里可以玩。

 时事4:威斯尼斯人0907官方网站下载

  12月28日,北京市中学生与AI展开 “人机辩论”实战,双方呼吁有关国家及组织停止采取对抗性政策和干涉他国内政,破坏现有安全架构,在国家间构筑“小院高墙”,挑动地区紧张局势,鼓吹阵营对抗。,必威体育官网app,开元棋牌注册送18,威尼斯城注册送28。

  12月28日,灵芝撬动“绿富美” 云南景东山冲村蝶变,当天,特朗普还就这一历史性举措的后续影响许下一连串承诺。2025 年行将结束之际重读这份演讲内容,可见特朗普的立场始终如一。他在当天的讲话中对关税赞不绝口,此后也几乎抓住一切机会宣扬关税的好处。,欧洲杯比分,bbin足球网投,OD可靠吗。

责编:陈松鹤

审核:梅绍祖

责编:陈维澈

相关推荐 换一换