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

2025-12-22 15:43:48
来源:

猫眼电影

作者:

蔡国强

手机查看

  猫眼电影记者 赵公口 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:世界杯买球2026

  12月22日,【图解】权威解读:5方面举措破解供需错配 最大程度激发消费潜力,“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。”因此,邓肯要求斯坦福大学必须严厉惩罚此次参与抗议的学生,并解雇法学院副院长斯坦巴赫。,mg赌场网址多少啊。

  12月22日,70余件“蘑幻菌物”影像作品昆明亮相 解码高黎贡山菌类多样性,免责声明:文章表述的意见不构成任何投资建议,投资者据此操作,风险自担。,晨星基金评级,bob官方体育网站多少,918娱乐。

 时事2:线上真钱彩票

  12月22日,银发族跟团游“年龄门槛”怎么破?,欧盟中国商会调研显示,对大多中国车企而言,欧方加征10%以上关税即为高位区间,将对出口带来直接负面影响。当前的17.4%到38.1%的临时关税区间意味着严峻的市场准入障碍。不过,中国作为全球电动汽车产销第一大市场,国内市场销量远高于欧美市场销量的总和,对欧电动汽车出口仅占中国电动汽车产量的5%左右,且大多为欧美品牌。中国自主电动汽车品牌在欧洲的市场占有率也远低于欧洲本土企业。,爱游戏体育娱乐平台,杏彩平台登录官网,亚洲网上平台。

  12月22日,小新Talkshow:打卡冰雪大世界各地“驻哈办”,Mysteel、SMM等多方数据显示,今年7月样本锂云母矿山总产量达到1.61万吨,8月份骤减至0.9万吨左右,到今年11月时进一步萎缩至0.7万吨左右。,m6电竞,在那里赌欧洲杯球,现金线上平台。

 时事3:彩神彩票官网购彩

  12月22日,记北疆乡野30载“定心丸”:以法理温情绘就乡村平安卷,对于存单,考虑到资金面波动较小、存单到期量显著收敛、银行1月惯性增配等因素,我们认为CD利率上限更清晰。,希尔顿游戏网址是什么,滚球app推荐,美高梅真人app下载。

  12月22日,甘肃酒泉统战的沉浸式答卷,杨晓磊认为,对于LP而言,有较大的产业投资人主导投资,不仅意味着获投企业有采购的可能、新技术应用的机会,还可以解决当下创投基金资金效率不高的问题,“过往的财务投资LP们会存在互相等待资金到位的情况,而一个较大的产业投资人作为产业、资金的双重基石,提升了资金及时到位、快速寻找方向的可能性。”,新报跑狗-2(背面),百老汇大转盘平台,乐鱼电子app。

 时事4:手机赌城直营

  12月22日,中新人物 | 24年了,谁在等待田震?,2、货币政策超预期:货币政策是市场流动性的重要影响因素,央行采取超预期的货币政策可能对市场流动性产生显著影响。,爱玩棋牌斗地主,新宝gg手机版登陆,im体育注册。

  12月22日,宝马企业社会责任发布 与宝马新世代一起解锁非遗保护创新成果,报道称,磋商可能于本周在首尔举行。届时,韩国外交部气候环境科学外交局局长尹铉洙,日本外务省裁军、防扩散和科学部部长海部笃将与会。,大发国际真人,百家乐预测,充值抢庄牛牛。

责编:李阳

审核:常锋

责编:儒乡

相关推荐 换一换