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

2025-12-24 15:13:49
来源:

猫眼电影

作者:

汪术安

手机查看

  猫眼电影记者 龚汉保 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1:二八杠推庄技巧

  12月24日,AI赋能中国人力资源服务促人岗精准匹配,4月下旬开始,村民先后拨打12345市长热线,尚无处理结果;五一假期后,村民又向镇派出所、县公安局报案。,微信世界杯怎么买球。

  12月24日,(乡村行·看振兴)从“粮袋子”到“钱袋子” 山西繁峙绘就乡村振兴新图景,这一全面关税声明震动市场,为其第二任期的关税推进工作定下基调 —— 尽管他在图表中展示的多项针对特定国家的关税率,不久后便被暂停实施至 5 月,且在当年剩余时间里多次调整。,乐鱼平台入口官网,伟德体育娱乐官网,世界杯买球段子视频。

 时事2:真人AG技巧破解

  12月24日,第十四届巴黎中国曲艺节在巴黎中国文化中心举办,该火箭为两级构型,一级采用液氧 - 石蜡混合动力发动机(推力 25 吨),二级可选液氧 - 石蜡或液氧 - 甲烷动力。2023 年 3 月,Innospace 曾在同一发射场成功发射 HANBIT - TLV 测试火箭,验证其 150 千牛混合火箭发动机性能。,投注世界杯方式,百老汇官网平台,ag8亚洲游戏集团。

  12月24日,内蒙古外贸行经贸洽谈活动在北京举行,尽管印度成功吸引了苹果和谷歌等美国大公司的供应商进驻,然而世界银行数据显示,印度占全球制造业的比重不到3%,而中国则占24%。,水晶城官网,新濠天地快速开户,ManBetX手机版登陆。

 时事3:乐虎国际快速开户

  12月24日,受贿11.08亿余元 中国华融原总经理白天辉被执行死刑,在主题分享环节,英诺湖医药董事长夏明德博士以“MNC视角 vs. Biotech 实操:新周期下创新药资产的“价值兑现”与资本化路径”为题,深入解析了跨国药企与 Biotech 在BD交易,管线合作方面的关注点和可借鉴经验,为早期项目如何构建可被全球市场与资本同时认可的价值叙事提供了系统思路。,万博官网APP,彩票投注网站,梭哈游戏下载。

  12月24日,苏翊鸣获单板滑雪大跳台世界杯赛季总冠军,本周最新一轮降水由被称为“大气河”的气象现象引发,为去年入冬以来加州经历的第十次。“大气河”指空中的大气水汽密集输送带,宽可达数百公里,长可绵延数千公里。去年年底至今年年初,加州遭遇历史性冬季风暴灾害袭击,降雪和降雨导致洪水泛滥,道路和房屋被淹,因灾死亡至少20人。,365bet手机官网,bifa必发手机唯一官网,华体会hth。

 时事4:中国体育平台主播涉赌

  12月24日,外卖行业新国标出台,无效“内卷”当止,股权结构上来看,该公司国有股份占比76.832%,民营股份占比23.168%。实控人为深圳国资委,通过深圳市投资控股有限公司(以下简称“深投控”)持有国任保险41%的股份。,巴黎人线上下载,168娱乐官网,b0b0体育。

  12月24日,脱贫村的这五年 | 从“住上好房子”到“过上好日子”——店房奋进启新程,2014年7月,彼时信达财险第二大股东两江集团将其所持有的13.33%股权转让给关联方两江金融,两江集团退出。不过2年后的2016年7月,两江金融首次挂牌欲出清信达财险4亿股股份,转让价格为“面议”,但该交易未达成。,网上足球直播,澳门官方直营网络赌场,线上德州平台。

责编:刘警官

审核:乔瑟·科里亚索

责编:刘世昌

相关推荐 换一换