商湯發(fā)布NEO架構(gòu) 重新定義多模態(tài)模型效能邊界

    本報訊 （記者李喬宇）近期，商湯集團股份有限公司（以下簡稱“商湯”）正式發(fā)布并開源了與南洋理工大學S-Lab合作研發(fā)的全新多模態(tài)模型架構(gòu)——NEO，為日日新SenseNova多模態(tài)模型奠定了新一代架構(gòu)的基石。

    作為行業(yè)首個可用的、實現(xiàn)深層次融合的原生多模態(tài)架構(gòu)（NativeVLM），NEO從底層原理出發(fā)，打破了傳統(tǒng)“模塊化”范式的桎梏，以“專為多模態(tài)而生”的創(chuàng)新設(shè)計，通過核心架構(gòu)層面的多模態(tài)深層融合，實現(xiàn)了性能、效率和通用性的整體突破，重新定義了多模態(tài)模型的效能邊界，標志著人工智能多模態(tài)技術(shù)正式邁入“原生架構(gòu)”的新時代。

    當前，業(yè)內(nèi)主流的多模態(tài)模型大多遵循“視覺編碼器+投影器+語言模型”的模塊化范式。這種基于大語言模型（LLM）的擴展方式，雖然實現(xiàn)了圖像輸入的兼容，但本質(zhì)上仍以語言為中心，圖像與語言的融合僅停留在數(shù)據(jù)層面。這種“拼湊”式的設(shè)計不僅學習效率低下，更限制了模型在復雜多模態(tài)場景下（比如涉及圖像細節(jié)捕捉或復雜空間結(jié)構(gòu)理解）的處理能力。

    商湯NEO架構(gòu)正是為了解決這一痛點而生。早在2024年下半年，商湯便在國內(nèi)率先突破多模態(tài)原生融合訓練技術(shù)，以單一模型在SuperCLUE語言評測和OpenCompass多模態(tài)評測中奪冠，并基于這一核心技術(shù)打造了日日新SenseNova 6.0，實現(xiàn)多模態(tài)推理能力領(lǐng)先。之后，公司在2025年7月份發(fā)布日日新SenseNova 6.5，通過實現(xiàn)編碼器層面的早期融合，把多模態(tài)模型性價比提升3倍，并在國內(nèi)率先推出商用級別的圖文交錯推理。商湯此次更進一步，徹底摒棄了傳統(tǒng)的模塊化結(jié)構(gòu)，從底層原理出發(fā)，推出了從零設(shè)計的NEO原生架構(gòu)。

    目前，商湯已正式開源基于NEO架構(gòu)的2B與9B兩種規(guī)格模型，以推動開源社區(qū)在原生多模態(tài)架構(gòu)上的創(chuàng)新與應(yīng)用。商湯表示，致力于通過開源協(xié)作與場景落地雙輪驅(qū)動，將NEO打造為可擴展、可復用的下一代AI基礎(chǔ)設(shè)施，推動原生多模態(tài)技術(shù)從實驗室走向廣泛的產(chǎn)業(yè)化應(yīng)用，加速構(gòu)建下一代產(chǎn)業(yè)級原生多模態(tài)技術(shù)標準。

（編輯 張偉）