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

2025-12-24 10:10:59
来源:

猫眼电影

作者:

史志强

手机查看

  猫眼电影记者 陈宇翔 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:官方老虎机平台

  12月24日,广州充电桩数量突破25万台 构建深度融合智能调度体系,使馆馆员、日本政府官员及在日中资企业代表等分别在使馆和机场送行。,新宝足球投注网。

  12月24日,中国内地2025年电影总票房突破500亿元,彼时信达财险的建立,更多是为了其大股东中国信达服务。作为信达财险的首任董事长,陈方清在该公司发展初期主导了战略定位。其曾表示,信达财险的成立是信达资产转型的战略需要,旨在利用股东中国信达的客户和网络资源优势,同时通过创新在市场竞争中寻找差异化发展路径,例如采取“主做财险、辅做车险”的策略。,斗地主窍门顺口溜,沙龙会体育,365bet哪个是真的。

 时事2:乐动体育在线官网

  12月24日,铭记历史 珍爱和平——全国各地举行南京大屠杀死难者国家公祭日悼念活动,从初期的艰难摸索,到如今的体验对齐、甚至特色反超,鸿蒙生态的“微笑曲线”已清晰可见。面对仍在观望的开发者,同程旅行鸿蒙App商务负责人王志强直言,必须及早布局,才能抓住鸿蒙生态的增长红利,否则很可能会落后于时代大势。,ca88登入,澳门太阳神网站下载,手机如何玩彩票。

  12月24日,湛江至万象国际航线开通 开启粤西联通东盟新通道,值得注意的是,虽然各家机构供需平衡表所预估供给量、需求量存在一些差异,但是多数机构认为2026年需求端的增长会大于供给端。,新威尼斯电子,MG真人在线注册,贝博哪里可以下载旧版。

 时事3:ag娱乐旗航厅

  12月24日,从墨韵到舞步 舞剧《颜真卿》“挥毫”千年风骨,报道称,美国大规模枪击事件频发,枪案几乎无处不在,例如学校、办公室、杂货店、电影院等等。但是,在短短六天内发生的这三起悲剧,让民众再次痛苦地意识到,美国没有地方是真正安全的。,火狐app官方网站,棋牌游戏评测网,pg电子游戏官方平台。

  12月24日,我国成功发射遥感四十七号卫星,双方反对美国及其盟友在军事领域的威慑行径、挑动同朝鲜民主主义人民共和国对抗及可能引发的武装冲突而加剧朝鲜半岛局势紧张。双方敦促美国采取有效措施缓解军事紧张局势并塑造有利条件,摒弃恐吓、制裁和打压手段,推动朝鲜及其他有关国家在相互尊重和兼顾彼此安全关切的原则上重启谈判进程。双方重申政治外交手段是解决半岛所有问题的唯一出路,呼吁国际社会支持中俄具有建设性的共同倡议。,沙巴体育客户端下载,盛世平台彩票官网,jj斗地主官网。

 时事4:火狐体育

  12月24日,凉山苹果出山记,据了解,这轮高温以干热、暴晒、地温高为突出特点,并且一天当中高温持续的时间也长,大城市中,像是石家庄、济南、郑州等地甚至从10点持续到19点至20点,可谓“高温陪你上下班”。另外,从6月15日开始,济南高温将再度上演“连续剧”,尤其是下周初的最高气温甚至可达38℃左右,“炎”值不减,公众需密切留意临近预报,做好防暑降温工作。,葡京真人国际ag,鼎博手机下载版,金沙永利总站。

  12月24日,今天零时起国内成品油价格下调,从GDP总量上看,2024年一季度,经济大省广东、江苏、山东继续霸榜前三;浙江、河南、四川、湖北、福建、湖南、安徽紧随其后,在全国排在第四至十名。,闪讯官网,新注册送280元,新宝登录网。

责编:谭菊珍

审核:特雷弗

责编:孙川

相关推荐 换一换