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 02:27:18
来源:

猫眼电影

作者:

刘戈

手机查看

  猫眼电影记者 马青路 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:凤凰体育首页官网

  12月28日,中央经济工作会议部署建设三大国际科技创新中心,12月23日金融一线消息,上海金融监管局发布批复,核准王韬上海城投集团财务有限公司董事、董事长的任职资格。,美洲杯2020赛程。

  12月28日,这次我帮你,下次你帮别人。,同期,虽然锂辉石提锂企业产量环比有所增长,但是上述期间月度产量增幅不过0.15万吨,这使得下半年以来矿石提锂整体产量明显回落。,马经赌经B(新图推荐),亚娱体育APP,jdb平台官网。

 时事2:2020足球欧洲杯开赛时间

  12月28日,女子轮椅篮球广东队圆梦三连冠,神舟十八号乘组的三名航天员将在中国空间站驻留约6个月,空间站是航天员在太空的家,这一次,三名航天员会携带哪些物品前往空间站呢?,快玩游戏下载,满贯捕鱼锁定之后怎么自己控制,bb电子糖果派试玩网站。

  12月28日,看机器人考官路上考验智能车,据该公司2017年三季度偿付能力报告显示,刘树林于报告期内已卸任总裁职务,不过其还担任该公司执行董事。2017年四季度,执行董事名单更新为徐兴建、李东明、王新利三人。,火狐体育官网登陆不了,下载注册给现金,滚球app都有哪些。

 时事3:久久游戏

  12月28日,2025“金砖科创孵化园”协作交流活动举行 厦门八举措助跨境科创孵化,深圳GDP增长6.4%,居万亿城市前列;去年持续承压的东莞也一扫疲态,GDP同比增长5.5%,跑赢全国5.3%、全省4.4%的平均水平。,ManBetX万博足球,亚博苹果版,可靠的ag平台。

  12月28日,第十三届“东升杯”国际创业大赛收官 2061个项目参与角逐,“中国+中亚五国”合作机制发展迅速。“中国+中亚五国”外长会晤已举办四次,谋划了中国-中亚农业合作中心、丝绸之路考古合作研究中心、传统医学中心、鲁班工坊等惠民项目。2022年1月25日,中国与中亚五国共同宣布打造中国-中亚命运共同体。2022年6月8日,在“中国+中亚五国”第三次外长会晤上,双方决定建立“中国+中亚五国”元首会晤机制,举行元首定期会晤。,乐投体育APP,万博登录不上去,必威官方下载。

 时事4:4377线上娱乐

  12月28日,泉州古城:半城烟火半城仙,依据有关规定,经中央纪委常委会会议研究并报中共中央批准,决定给予钟自然开除党籍处分;按规定取消其享受的待遇;收缴其违纪违法所得;将其涉嫌犯罪问题移送检察机关依法审查起诉,所涉财物一并移送。,葡京十大网投,亚博线上官网,万博网址登录。

  12月28日,第十五届中国智能车未来挑战赛举行 机器人担任“考官”,数据显示,今年温州全市共116个项目入选省“千项万亿”工程重大项目,总投资4568亿元,年度投资计划541亿元。,天博注册彩金,在线国际AG捕鱼王,凯发娱乐。

责编:祝桥

审核:林峰

责编:吕美静

相关推荐 换一换