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

2025-12-27 04:09:31
来源:

猫眼电影

作者:

冯学金

手机查看

  猫眼电影记者 袁小十 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:葡京下注网站

  12月27日,【有声天风】“美美与共”基督论初探,对此,白宫、美国中情局等美政府机构则紧急否认。白宫国安委员会发言人沃森(Adrienne Watson)称调查报告“完全虚构”,CIA和国务院的发言人回应称,报告“完全是错误的”。,百老汇国际官方网址。

  12月27日,山东济南:市民乐享雪后风光,对于“中国航天器到底是什么”,“战区”栏目称,中国的航天器往往认为类似于美国太空部队的两架X-37B小型航天飞机,两者有许多相同能力。X-37b被认为具有极高的轨道机动性,并且至少可以从中央舱部署有效载荷,或者从附加到其机身后部的辅助载荷舱在轨道部署载荷。多年来,关于X-37B潜在的太空军事能力一直有很多猜测,现在它由一个负责执行“轨道战”的单位控制。,365官方平台,奔驰宝马电玩城游戏,mg平台游戏。

 时事2:网上斗地主赢钱的软件

  12月27日,看图学习·回眸2025丨打好乡村振兴的“王牌” 总书记这样勉励大家,2025年12月4日至5日,被誉为租赁界“达沃斯”的2025(第十二届)全球租赁业竞争力论坛·年度峰会在天津成功召开。,篮球比分90vs,日博体育体育APP,tpimage吧。

  12月27日,山西大同再获“活力之城”殊荣 “文化引擎”驱动千年古都焕新IP,值得注意的是,据中国基金报,今年春节过后,A股已连续三个月没有IPO公司接受上市委的审议。交易所最近的一次上市委会议是在2月6日,也就是已经三个月没有安排IPO企业上会。,明博体育客户端下载,彩神彩票网站,大圣棋牌游戏平台。

 时事3:世界杯官方投注方式

  12月27日,华南农业大学举办紫荆国际青年学者论坛,(1)微信朋友圈有“点赞”功能。有人关注“点赞”数量,有人热衷于给人“点赞”……对“点赞”现象,你有什么看法?请说明你的观点和理由。要求:观点明确,言之有理。,扎金花下载网址,T6平台官网登录,日博体育官网网址。

  12月27日,三里屯又一处时尚打卡点 北京迪奥之家开幕,“那可是一长串清单,比如新冠疫情、医疗保健、现代奴隶制,这些是我现在能想到的。”,葡京博彩APP,天棋棋牌官网,新2网址手机。

 时事4:齐发国际官网手机版下载

  12月27日,专家解读:日本加速西南军事化部署 是何用意?,尤其是温州,在今年“新春第一会”上,温州正式擂响冲刺“双万”城市的战鼓,陆续出台《温州市2024年一季度“促消费、扩投资、稳生产”十大行动方案》《温州市“比拼一季度、冲刺开门红”投资攻坚行动方案》,清单化推进重大项目实施。,网上赌现金平台,哪里网上二八杠玩,BOB登录。

  12月27日,京藏学生一对一“结对” 2025年冬季融铸式研学实践在京开展,《华尔街日报》报道称,在泽连斯基向英国议会发出“情感充沛的请求”、要求伦敦提供更多军事援助数小时后,有英国官员透露,该国首相苏纳克已责成国防大臣华莱士分析英国可能派遣哪些喷气式飞机。但该官员补充说,英国政府尚未做出最终决定,飞行员接受全面培训可能需要很长时间。,nba买球网站有哪些,极跃体育官方网站,ag8真人网站。

责编:陈冬克

审核:塞巴斯蒂安·艾蒂安

责编:邱彪

相关推荐 换一换