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 22:07:58
来源:

猫眼电影

作者:

王聪明

手机查看

  猫眼电影记者 黄佳敏 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:世界杯投注盘口

  12月27日,12月上映电影类型丰富 带动岁末观影热潮,他说,作为涉外领域的基础性法律,有必要对反制和限制措施作出原则性的规定:中国的核心利益不容损害,主权和领土完整不容侵犯,对于损害中国主权安全发展利益的行为,侵犯中国公民合法权益的行为,我们在法律中作出相关规定,予以坚决反制,是正当和必要的。,狗万客户端g。

  12月27日,扎根实践沃土 书写塞上赞歌——“十四五”时期宁夏努力创建铸牢中华民族共同体意识示范区,五里河体育场多年前已经整体拆除,如今昔日体育场已经变成了住宅小区,而国足出线后特地给球员铸造的铜像,则被集体移至一公里左右的沈阳少年宫外面的草坪中。中泰之战前,还有不少媒体记者相约来到铜像前打卡留念。,必威官方网站体育网站,必威首页官网体育,线上电子赌城。

 时事2:老虎机线上网址

  12月27日,文博有意思丨“西周路由器”终于连上网了,工银瑞信基金认为,短期国内流动性宽松、无风险利率低位的环境没有发生变化,预计市场整体维持震荡,板块表现将更加均衡,看好出口板块表现和消费板块的左侧布局机会。中期维度,看好A股市场走势,可重点关注核心资产的配置价值。,世界杯足球官网,庄闲游戏app下载,云顶娱乐官网。

  12月27日,“读书·读城”——“玉海缥缃 天瑞地安”瑞安城市文化推介展示活动在中国国家博物馆启幕,报道称,布林肯进一步称,“这是一个不断发展的过程,关于我们认为乌克兰需要什么,我们认为在使用中最有效的是什么,我们将持续作出判断。”,188金宝慱官网登录,必威备用网址,wii游戏下载。

 时事3:伯爵官网网站

  12月27日,天津启动2026年新春消费季 将推出超千场促消费活动,2025年,一家深圳的手机厂商联系彭昌国,希望他作为代理商帮助企业开拓非洲市场。,米乐m6体育app,12betapp官方,巴黎人贵宾会下载端。

  12月27日,中国援助斯里兰卡首批救灾物资抵达科伦坡,2、如何理解央行言行和资金指标之间的背离?背后核心是银行资金充裕和非银杠杆抬升。在票据利率持续攀升代表信贷可能不错的背景下,国有行资金的相对充裕可能来自于如下几点:一是12月政府债发行较少,但支出较多,财政支出的补充,二是近期货基申购较多,结合货基在二级市场上的买入量下降,可能部分以活期趴账的形式重新回流银行体系,理财或有同样的行为。,奔驰宝马电玩城下载,乐谷棋牌,巴黎人真钱。

 时事4:杏彩登录官网

  12月27日,又迎丰收!全年粮食生产实现高位增产,运用AI能力快速解析业务场景,精准定位需求,并提供可操作建议。,365在线客户端,2026世界杯买球竞猜,贝博官方app登陆。

  12月27日,科技赋能 “冰雪+”助力打造消费新场景,梁启东说,渤海海峡跨海通道建成后,会节约山东到辽东半岛乃至整个东北的运输成本,打通交通堵点,扩大物流,激发新的增长点,并对沿线旅游业产生积极影响。受历史上闯关东等因素影响,山东与东北地区历史渊源深厚,两个地区从经济联系、区位关系,再到情感纽带、文化渊源等方面都有很好的区域协同发展的基础。,真人cs国际比赛,必威网站为什么登不上去,亚娱体育APP。

责编:蔡泽流

审核:圣约瑟夫

责编:莫里斯特尼

相关推荐 换一换