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 16:59:05
来源:

猫眼电影

作者:

温添赋

手机查看

  猫眼电影记者 詹姆斯·格伦 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1:365bet怎么注册

  12月25日,世界老乡@义乌丨也门演员哈姆扎:这座城是我的“中国奶奶”,2022年7月,在新疆乌鲁木齐市考察的习近平前往乌鲁木齐国际陆港区,听取整体情况介绍,并通过实时画面察看口岸现场作业情况。,fun888。

  12月25日,五部门完善免税店政策“满月”:扩大免税政策享惠范围 满足多元化消费,孔杰:男,1975年12月出生。2018年4月加入国任保险,先后任国任保险湖南分公司党委书记、总经理,国任保险贵州分公司党委书记等职务。2025年5月27日起任总裁助理。曾任阳光财险湖南省分公司总经理助理、西藏分公司副总经理(主持工作)、湖南省分公司副总经理。,捕鱼大亨,篮球即时比分直播,mgm世界杯玩法。

 时事2:乐动体育电竞

  12月25日,《阿凡达3》票房为何遇冷?当“神作”开始重复自己,当地官员警告居民,不要饮用井水或用井水做饭,因为洪水已经流入水井,井水可能遭有害化学物质污染。,澳门葡京游戏电子,AG平台网址,澳门官方游戏网站。

  12月25日,北京老楼45天完成模块化封顶 “原拆原建”助力城市更新,从工业增加值增速来看,温州、徐州、大连、唐山分别为10.7%、6.9%、7.2%、9.5%,工业经济增长动能均十分强劲。,幸运快三计划,亚星在线开户,线上银河官方。

 时事3:重庆分分彩官方网站彩票

  12月25日,海南封关首日见闻:政策红利惠外企,邓肯最终在联邦法警的保护下从后门离开,事后他在采访中怒斥这群闹事学生是“狗屎”、“暴徒”,要求校方严惩他们和“火上浇油”的副院长,“当有足够多像这样的孩子进入法律行业,法治会堕落为野蛮行径。”,永利皇宫手机版官网,澳门第三张补牌的规则,电子游戏送彩金体验。

  12月25日,“不放弃任何一个求助”——香港消防员的48小时火海奋战,今年4月25日,烟台市交通运输局相关负责人表示,目前当地出租行业经营年龄延长问题已经被列入烟台2024年立法计划,并对外征求意见,相关条款也规定从业年龄不超过65周岁,争取最快年内实现地方立法在出租车司机运营年龄上限的突破。,188体育是365吗,bob软件下载,宝马mg游戏网站。

 时事4:压大小技巧

  12月25日,欧盟气候监测机构:基本确定2025年为有记录以来第二热年,12月22日,亿纬锂能在惠州仲恺高新区举办“钠电池及AI创新园区”动工仪式,计划打造亿全新的亿纬钠能总部和金源机器人AI中心。,爱博在线买球,pg电子模拟器下载官网,永利皇宫app软件下载。

  12月25日,美军在叙利亚遭遇伏击 致三亡三伤,5月10日,大悟县市场监督管理局回应记者,已经注意到舆情,将在调查后公布结论。,龙8娱乐入口,九州滚球体育app官方主页,星际扑克下载。

责编:罗某党

审核:杨均巨

责编:刘长琴

相关推荐 换一换