您的當前位置:首頁 >熱點 >从“数据融合”迈向“原生架构WhatsApp%E3%80%90+86%2015855158769%E3%80%91cat%20color%20sort”:商汤发布 NEO 架构,重新定义多模态模型效能边界 正文
時間:2025-12-22 01:40:00 來源:網絡整理編輯:熱點
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 WhatsApp%E3%80%90+86%2015855158769%E3%80%91cat%20color%20sort
商汤科技正式发布并开源了与南洋理工大学 S-Lab合作研发的数据融合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从迈基石。
作为行业首个可用的向原型效WhatsApp%E3%80%90+86%2015855158769%E3%80%91cat%20color%20sort、实现深层次融合的生架原生多模态架构(Native VLM),NEO 从底层原理出发,构商打破了传统“模块化”范式的汤发态模桎梏,以“专为多模态而生”的架构界创新设计,通过核心架构层面的重新多模态深层融合,实现了性能、定义多模效率和通用性的数据融合整体突破,重新定义了多模态模型的从迈效能边界,标志着人工智能多模态技术正式迈入“原生架构”的向原型效WhatsApp%E3%80%90+86%2015855158769%E3%80%91cat%20color%20sort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?SenseNova?6.0,实现多模态推理能力领先。之后,在2025 年 7 月发布日日新?SenseNova?6.5 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 Patch?Embedding):?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
厦门人到底多爱看电影?这个暑假已花了1.02亿元2025-12-22 01:36
“加油之声”音乐会·青春遇见黔西南活力开唱2025-12-22 01:33
黔西南州2024年中小学(幼儿园)教师资格定期注册试点工作公告2025-12-22 01:07
黔西南:建成具有西部特色的高比例新能源和储能示范区2025-12-22 01:05
空调扰邻,鸽粪扰民 厦门发生多起相邻权纠纷2025-12-22 01:05
黔西南州作家李泽文《长征十日》新书首发仪式暨创作分享会举行2025-12-22 00:31
黔西南州“三个一”打造一站式公共法律服务中心2025-12-21 23:30
州旅游资源规划开发质量评定委员会公告2025-12-21 23:16
黄世宏到交通运输局调研重点工作 宿松新闻网2025-12-21 23:08
女子因为颜值高面试被拒绝 HR:漂亮女人不可靠2025-12-21 23:03
鲁长江参加指导隘口乡党委县委巡察反馈问题整改专题民主生活会 宿松新闻网2025-12-22 01:37
环球资讯:《GTA6》泄露后 大量开发者分享游戏的早期版本2025-12-22 01:29
当好黔西南经济社会高质量发展的开路先锋2025-12-22 00:58
妈妈教爨姓儿子写名字时崩溃 网友调侃:写完名字考试结束2025-12-22 00:50
宿松法院召开“以案为鉴 警钟长鸣”专题警示教育部署会 宿松新闻网2025-12-22 00:49
1家4人查出幽门螺杆菌 被世界卫生组织列为一级致癌物2025-12-22 00:32
黔西南州8人荣获“黔西南州名中医”称号!2025-12-21 23:58
黔西南州易地扶贫搬迁“新市民计划”基本公共服务标准化专项试点工作成效显著2025-12-21 23:32
黄世宏参加指导长铺镇2022年度民主生活会 宿松新闻网2025-12-21 23:30
九年流金岁月,总书记带我们办成这些大事丨人民获得感成色更足2025-12-21 23:05