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

2025-12-26 05:23:22
来源:

猫眼电影

作者:

侯凯

手机查看

  猫眼电影记者 欧阳夕 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:猎人国际真人CS上庄店

  12月26日,南粤贯长虹 湾区新图景——从广湛高铁感受广东速度,据其介绍,目前,重庆开发商通常会给两套价格标准,且都会写入购房合同。从执行结果来看,两套标准的房屋总价不变,套内单价高于建面单价。,女篮欧洲杯比分。

  12月26日,深刻把握“五个共同”的历史纵深与实践要求,在西宁之前,西安咸阳国际机场、兰州中川国际机场、乌鲁木齐天山国际机场的扩建工程,分别于今年2月、3月、4月投入正式运营。,沙巴体育足球,mg平台网址,bob娱乐体育线上平台。

 时事2:网上怎么样赌博

  12月26日,触摸千年文脉,感受创新脉搏——2025“中国有约”国际媒体采访活动圆满收官,Copyright © 1996-2024 SINA Corporation, All Rights Reserved新浪公司 版权所有,手机网投注册,凯时手机版app,重庆分分彩彩网站。

  12月26日,新闻观察:战争创伤未愈 冲绳民众反抗美基地难破局,当地时间2月8日晚间,朝鲜举行阅兵纪念人民军建军75周年。阅兵式展示了多种新型武器,战术导弹方阵、远程巡航导弹方阵、战术核运用部队方阵等亮相。,牌类游戏可赢钱,AG亚游电玩,线上赌博苹果版下载。

 时事3:赢钱游戏可以提现的

  12月26日,金上到湖北特高压输电工程建成投运,自2007年以来,夏季达沃斯论坛轮流在大连、天津两个城市举办。今年也是时隔5年,夏季达沃斯论坛重回辽宁,第八次在大连举办。,365真正官网是什么,天博开户网址,好的体育平台推荐。

  12月26日,沈阳“九·一八”历史博物馆公祭悼念南京大屠杀死难者,经研究,聘任李建红、吴献东、吕波、李树雷为中国船舶集团有限公司外部董事,燕桦不再担任中国船舶集团有限公司外部董事职务。,买足球外围哪个网站好,蓝天报(绝杀王),网投彩票平台。

 时事4:博冠体育公司

  12月26日,中使馆再次提醒中国公民尽快撤离阿富汗和塔吉克斯坦边境地区,这种伙伴式的开发体验也让知乎鸿蒙技术团队印象深刻。知乎鸿蒙技术负责人高攀回忆,知乎鸿蒙版App上架之初,评论列表出现了卡顿问题,内部排查进度相对缓慢。令他意外的是,鸿蒙突击队的技术人员获悉情况后,主动联系并且进行现场沟通和指导,最终很快就定位到了具体问题,对App进行了优化。这种“鸿蒙速度”才是真正意义上的“共创”。,乐鱼登陆网址,纬来体育官方网站下载,黄金岛官方网。

  12月26日,【世界说】当美国假日季遭遇通胀 美最新民调:近七成民众坦言财务焦虑让节日计划“缩水”,全国性扩张带来管理复杂度提升和固定成本增加,对经营效率形成考验。,W88优德网,bb手机版网页体育,世界杯竞猜在哪里购买。

责编:朱相识

审核:马翔宇

责编:列农

相关推荐 换一换