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

2025-12-27 22:39:34
来源:

猫眼电影

作者:

袁佳娟

手机查看

  猫眼电影记者 冯昊怡 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1:万博官网网页版首页登录

  12月27日,北京人艺《茶馆》再登台 濮存昕等演员谈经典作品之魅力与传承,富兰克林投顾表示,在三大因素支持下,2026年科技股仍将跑赢大盘。一是AI演进:关注点将从快速应用转向价值创造,这将有助缓解泡沫疑虑。二是创新管道:预计数位劳动力、代理式商务、物理AI、区块链、稳定币、量子运算等多元领域将会取得进展。三是估值支撑:强劲获利成长将降低对本益比扩张的依赖。,球球体育。

  12月27日,多举措促进我国明年经济稳中求进 提质增效,去年,民航局、国家发改委联合发文《关于推进国际航空枢纽建设的指导意见》,画出国际航空枢纽的蓝图,提出“3+7+N”国际航空枢纽功能体系。,AG亚洲游戏集团官网网址,老版捕鱼达人1,2026世界杯滚球投注。

 时事2:锦利国际官网

  12月27日,中国黄金集团内蒙古矿业有限公司较大坠落事故调查报告公布,后天,江南大部、四川南部、云南东北部、贵州大部、华南中北部等地部分地区有中到大雨,其中,湖南东部、江西中北部、浙江中南部、福建北部、广西东北部等地部分地区有暴雨或大暴雨。,366体育,大发在线官网,信用盘APP。

  12月27日,文脉延续三十载 西湖文化研讨会纪念活动在杭州举行,17日下午,广东省省长王伟中赶赴梅州受灾一线,实地督导指挥防汛救灾应急处置工作。在赶赴梅州的列车上,王伟中召集相关部门负责同志研究分析当前梅州防汛救灾形势。抵达梅州后第一时间前往平远县大柘镇坝头村,深入漫堤河段,沿途察看水淹内涝情况,并代表党委政府向正在开展排水清淤的受灾群众和抢险救援人员致以慰问。,爱游戏入口登录,体育平台代言人是谁,网络游戏斗牛牛。

 时事3:申慱官方下载

  12月27日,2026年省港杯超级足球邀请赛(佛山三水赛区)开赛,随着华尔街对人工智能行业投机性泡沫的担忧加剧,全球投资者正加大对中国人工智能企业的投资押注,期望发掘下一个深度求索(DeepSeek),同时实现投资组合多元化。,国内体育平台哪个好,金沙角娱乐,亚新体育手机APP。

  12月27日,一觉醒来声音嘶哑,这波流感多从嗓子“下手”,广西北海市气象台7日5时50分将暴雨橙色预警信号提升为红色,北海全市中小学停课。,哪里赌欧洲杯么,365bet真人网,世界杯投注站app。

 时事4:扑克王app地址

  12月27日,甘肃甘南营商环境三年行动“破题之策”,而除了重庆、肇庆,合肥也加入商品房销售“按套内面积计价”的队列。3月初,“中共合肥市委办公室”在人民网领导留言板上答复网友提问时称,为避免公摊面积比例过大,我市积极探索商品房销售按套内面积计价,相关具体工作正在探索推进。目前,已有试点项目在销售现场同步公布建筑面积销售单价和套内建筑面积销售单价。,完美体育app官网入口,各种赢取钱游戏平台,真人国际乒乓球大赛游戏。

  12月27日,理响中国・学习问答(第二季) | 第七集:坚持以人民为中心的创作导向,(2)年级准备开展“走进名人故乡”主题研学活动,计划在目的地研学两天,现征询同学们对目的地的建议。你建议去哪里?请说说理由。要求:明确写出名人及其故乡,重点陈述理由,理由合理。,大赢家体育官网首页,开胜棋牌,明博体育娱乐。

责编:江亦曼

审核:夏家红

责编:陈婵娟

相关推荐 换一换