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

2025-12-26 08:25:44
来源:

猫眼电影

作者:

普莱斯

手机查看

  猫眼电影记者 别克 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:欢乐牛牛注册送30

  12月26日,天津发布重污染天气橙色预警,这些操作层面的障碍可能导致开发商在施工期间受阻,进而触发导致租约终止的延误条款。数据中心运营商Applied Digital的首席执行官Wes Cummins警告称,预计会有许多项目在实际交付环节出现问题。他指出:,云顶国际注册彩金。

  12月26日,周六迎欧冠首战 再赴德国的樊振东持续带火欧洲乒乓市场,中新经纬5月7日电 (万可义)近期,31省份2024年经济“一季报”已陆续出炉。GDP总量方面,广东、江苏进入“3万亿俱乐部”;增速方面,16省份高于“全国线”,吉林势头最猛,增速达到6.5%。,吉祥体育坊app,乐动体育投注下载,凯发娱乐手机版。

 时事2:赢博体育平台

  12月26日,解法——科技向善 社会创新,去年底开始,国任保险酝酿大变化,而今年其高管班子出现大幅度调整。另外,今年以来董事会的一些新情况也值得关注。,葡京注册平台官网,六合风采A,澳门电子网游戏。

  12月26日,驻港国家安全公署:坚决支持香港特区依法惩治黎智英危害国家安全犯罪行为,对此,章弘建议,首先,从长期来看,中国车企可以积极考虑在欧盟国家直接投资建厂。通过在欧盟国家建立生产基地,中国车企可以绕过关税壁垒降低运营成本,并更好地融入当地市场。特别是在东南欧等汽车工业相对落后的地区,中国车企可以抓住当地欢迎外资进入的机遇,降低股份占比以融入当地市场。这样不仅可以为当地创造就业机会、增加税收并丰富市场选择,还能实现双赢局面。,2020年欧洲杯决赛时间,天博app下载,头头体育app下载网址。

 时事3:满贯捕鱼卡bug教程

  12月26日,报告称湖北科技服务业向规模化、专业化发展,值得一提的是,有趣的是,J/54218似乎直到发射两个月后才被添加到Space-Track.org的数据库中。在2022年8月4日发射后,与可重复使用试验航天器相关的其他8个物体(从A到H)被美国政府标记。根据美国军方和北美防空司令部的说法,物体A是太空飞行器本身,物体B是火箭助推器,物体C到物体H是发射后的碎片。,obo体育官网下载,百老汇网页登陆,奥门真人彩。

  12月26日,(乡村行·看振兴)三亚博后村:盐碱地开出“民宿花”,昨天刚当选中国煤矿文工团(中国安全生产艺术团)团长的@靳东 亮相话剧《温暖的味道》发布会现场!,日博体育快速注册,真人网客户端,美高美网址多少。

 时事4:哪里可以玩免费的斗牛

  12月26日,【澜湄印象】中越边境河口口岸2025年出入境旅客超600万人次,12月23日,昊海生科发布公告称,公司控股股东、实际控制人之一蒋伟因内幕交易、建议他人买卖证券行为,被中国证监会没收违法所得471万元,并处以1463万元罚款。,澳门金沙官网网址,水果机游戏,OD在线买球。

  12月26日,香港新选举制度的又一次成功实践,王新利:男,1969年2月出生。曾任民安财险董事长兼总经理;亚太财险副董事长兼总裁。2017年11月起任国任保险执行董事,2017年12月起任合规负责人,2018年4月起任总裁。,凯发娱乐登陆,爱游戏在哪注册,炸金花网站。

责编:张翼腾

审核:艾灸

责编:龚如心

相关推荐 换一换