商汤发布NEO架构 重新定义多模态模型效能边界

    本报讯 （记者李乔宇）近期，商汤集团股份有限公司（以下简称“商汤”）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（NativeVLM），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。

    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，公司在2025年7月份发布日日新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。

    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。

（编辑 张伟）