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

2025-12-25 21:40:46
来源:

猫眼电影

作者:

王昂

手机查看

  猫眼电影记者 朱棣 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:云顶娱乐手机首页

  12月25日,宁夏六盘山腹地掀起冰雪热,乌兹别克斯坦继承了两个主要的贵金属精炼厂:Navoi Mining and Metallurgical Combine(NMMC)和Almalyk Mining and Metallurgical Complex(AMMC)。这两个精炼厂分别在1994年和1997年获得了伦敦金银市场协会(LBMA)的认证。,188体育正规官网注册网站。

  12月25日,全国台企联常务副会长吴家莹:乘“势”而为 明天会更好,如今,非洲的翻新机市场也难逃“内卷”命运。即使在同一个卖场,档口的老板也以中国人居多,就算彼此认识,也难以统一维系价格。“最直观的感受是价格越卖越便宜,可能一款手机最初卖50美元,几周之后一些档口就会降低1美元。”彭昌国说,“卷”还体现在售后服务上。“最初大家对翻新机的保修期都只有3天,之后一些档口延长到7天,再到后面,一些大客户享受的保修期长达一个月,对于出现问题的手机可能会直接换‘新机’。”,线上银河下注,168在哪注册,十博体育网址。

 时事2:牛牛游戏现金网

  12月25日,原中国华融国际控股有限公司总经理白天辉 受贿数额特别巨大 被执行死刑,2023年,复宏汉霖收入近54亿元,首次实现全年盈利,净利润5.46亿元。,新人注册送38元,TB天博体育官网,巴黎人用户登入。

  12月25日,进一步提升企业感受 上海优化营商环境8.0版“收获满满”,检查组指出,湖北、湖南、江西三省防汛任务繁重,是长江中下游的防洪重点区域。据预测,今年汛期全国气候状况总体偏差,极端天气事件偏多,特别是长江中下游可能发生较重汛情,三省防洪抗旱体系仍有一些薄弱环节,防汛抗旱形势复杂严峻。,非凡炸金花官网客服,18bet体育开户,优德体育推荐网址。

 时事3:果博app下载

  12月25日,“链”上湖南 “湘”创未来丨一门戏,六百年 茶陵“守艺人”的传承与破圈,——推动电影领域合作,包括中方支持俄方组建欧亚电影艺术学院并设立“欧亚电影公开奖”,将积极考虑选送影片参加相关评奖活动。,篮球游戏,苹果客户端188体育,日博官网注册。

  12月25日,中国人权研究会发布《中国人权事业发展报告(2025)》,证券日报网讯 12月23日,西菱动力在互动平台回答投资者提问时表示,公司收购纬湃汽车电子主要目的是提高公司涡轮增压器业务的存量市场份额并为抢占增量空间夯实根基,收购完成后公司将通过提升管理效率降低管理成本、优化采购渠道有效控制采购成本、全面推进精细化生产管理持续提升运营效率等措施提升纬湃汽车电子盈利能力。,金百利国际菲律宾娱乐真人,巴黎客户端app,网堵软件。

 时事4:leyu乐鱼娱乐电竞

  12月25日,中国创造学会文化创意产业专委会在澳门成立,除了可以与机器人互动拜年,游客们还可以在昭明未来书院的AI交互区享受创新乐趣,体验AIGC摄影、品尝机械臂咖啡与冰激凌等,更有赛博水路嘉年华等待游客观赏。,马会直击,亚博赌场网站,188bet金宝搏体育线路。

  12月25日,东西问丨祁美琴:日本学界一些人“去中国中心化”历史观是错误的,营销的另一面是能否融入非洲的销售网络。传音进入非洲市场的早期,就倾向构建自己独立的零售渠道,如与本地的夫妻店、批发商等合作。首先借助与一批夫妻店合作,逐渐构建起三级经销商体系。对于重点市场及重点经销商客户,传音会配备销售专员,与经销商、分销商和零售商保持长期稳定的日常沟通,以及时获取一手市场反馈和需求信息。,皇冠体育文网,im体育好玩吗?,AOA开户。

责编:双连增

审核:王旭东

责编:戴笠

相关推荐 换一换