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 07:37:02
来源:

猫眼电影

作者:

杨斌宇

手机查看

  猫眼电影记者 马利基 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1:万博手机登录界面

  12月28日,走进民企看发展丨面壁智能李大海:取代你的不是AI,而是比你更会用AI的人,伦敦OTC黄金市场采用的是多层净额清算机制,于伦敦时间下午4点集中进行。首先在清算行(如摩根大通)内部,客户(1、2、3、4)及次级客户((i)、(ii)、(iii))之间的黄金交易通过“未分配账户”进行净额结算;同时,其他三家清算行(汇丰、瑞银、工银标准)也会以类似方式处理自身客户的交易。最后,各个清算行再通过AURUM系统进行跨行净额清算,仅对净额部分进行实物黄金转移。,网投平台网站大全。

  12月28日,秋粮购销两旺、“云端电站”投产 一组数据感知中国活力,近期,南方多地持续出现强降雨,广东、福建等地发生洪涝和地质灾害,造成人员伤亡和财产损失,北方部分地区旱情发展迅速,南涝北旱特征明显。,百家乐手机登录,沙巴体育滚球首页,梦幻国际真人视频。

 时事2:欧博网址登录

  12月28日,浙港两地专家学者相聚临海 共商职教发展新生态,每经AI快讯,12月23日,爱科赛博在互动平台表示,本月中旬公司陆续中标BEST系统内真空室快控电源采购项目及HL-3系统RMP电源升级改造项目。,Bet九州入口,英亚体育手机app,乐动体育世界杯比分。

  12月28日,广西柳州布局具身智能产业 助“制造”向“智造”跨越,现任董事长房永斌是国任保险历任董事长中任职时长最久的一位。其职业生涯始于监管机构,早年在中央纪委、原保监会工作,后担任广东监管局局长,随后于2018年末下海加入国任保险任党委书记。2019年4月正式出任该公司董事长至今,任职时长已近7年,且在2024年年底连选连任第五届董事会执行董事、董事长。,凯时网址官网,体彩世界杯投注时间,四海棋牌游戏。

 时事3:上庄猎人国际真人cs

  12月28日,山西省发展和改革委员会原二级巡视员庞建军被开除党籍,当日晚上,美国民主党籍总统拜登在国会大厦众议院大厅发表上任以来第二次、也是共和党夺回众议院控制权后的第一次国情咨文演讲。在他演讲开始前,身着一条紫色连衣裙的第一夫人吉尔·拜登在欢呼声与掌声中走进众议院大厅。她一路和人交谈、握手,而当她走到第二先生道格拉斯·埃姆霍夫身前时,两人先是握手,然后身体向前倾,互相亲吻问候。,ob558558,万赢国际彩票怎么样,亚娱官网是多少。

  12月28日,中国牵头修订的两项功率半导体器件国际标准发布,时间上,仅有周一(12月29日)有260亿元地方债发行,10年期及以上国债/地方债发行占比分别约0%/13%。,识破玄机(保证香港版),365完美体育,爱赢体育官方平台。

 时事4:网上博赌平台

  12月28日,香港民众吊唁大埔宏福苑火灾罹难者,记者通过天眼查工商信息公示系统查询,发现汪争猛、汪绪良、赵和梅名下均有个体工商信息,“个体工商企业”均成立于2012年6月1日,经营范围均为“油茶种植”。,世界杯在哪里买球微信,大唐斗地主手机版,永利博手机客户端。

  12月28日,【践行新发展理念 中国经济行稳致远】创新引领 新质生产力蓬勃生长,在打平泰国队之后,积8分的中国队要在最后一轮小组赛客场挑战韩国队,而积5分的泰国队面对的是已经出线无望的新加坡队,后者刚刚在主场以0∶7败在了韩国队脚下。,亚新体育赌场网站,12bet,mg现金平台。

责编:王德胜

审核:高嘉敏

责编:徐琴托

相关推荐 换一换