行业首个：商汤发布并开源 NEO 原生多模态模型架构，实现视觉、语言深层统一

IT之家12-02

IT之家 12 月 2 日消息，商汤科技今日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。NEO 宣称是“行业首个可用的、实现深层次融合的原生多模态架构（Native VLM）”，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”的设计，通过核心架构层面的多模态深层融合，实现了性能...

网页链接

免责声明：本文观点仅代表作者个人观点，不构成本平台的投资建议，本平台不对文章信息准确性、完整性和及时性做出任何保证，亦不对因使用或信赖文章信息引发的任何损失承担责任。

精彩评论

我们需要你的真知灼见来填补这片空白

发表看法

{"i18n":{"language":"zh_CN"},"isChannel":false,"data":{"share":"https://www.laohu8.com/m/news/2588516300?lang=zh_CN&edition=full","thumbnail":"","is_english":false,"pubTime":"2025-12-02 22:33","share_image_url":"https://static.laohu8.com/9a95c1376e76363c1401fee7d3717173","id":"2588516300","market":"hk","top_or_hot":-1,"title":"行业首个：商汤发布并开源 NEO 原生多模态模型架构，实现视觉、语言深层统一","media":"IT之家","content":"<div>\n<p>IT之家 12 月 2 日消息，商汤科技今日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。NEO 宣称是“行业首个可用的、实现深层次融合的原生多模态架构（Native VLM）”，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”的设计，通过核心架构层面的多模态深层融合，实现了性能...</p>\n\n<a href=\"http://gu.qq.com/resources/shy/news/detail-v2/index.html#/?id=nesSN202512022233469526ea00&s=b\">网页链接</a>\n\n</div>\n","source":"tencent","html":"<!DOCTYPE html>\n<html>\n<head>\n<meta http-equiv=\"Content-Type\" content=\"text/html; charset=utf-8\" />\n<meta name=\"viewport\" content=\"width=device-width,initial-scale=1.0,minimum-scale=1.0,maximum-scale=1.0,user-scalable=no\"/>\n<meta name=\"format-detection\" content=\"telephone=no,email=no,address=no\" />\n<title>行业首个：商汤发布并开源 NEO 原生多模态模型架构，实现视觉、语言深层统一</title>\n<style type=\"text/css\">\na,abbr,acronym,address,applet,article,aside,audio,b,big,blockquote,body,canvas,caption,center,cite,code,dd,del,details,dfn,div,dl,dt,\nem,embed,fieldset,figcaption,figure,footer,form,h1,h2,h3,h4,h5,h6,header,hgroup,html,i,iframe,img,ins,kbd,label,legend,li,mark,menu,nav,\nobject,ol,output,p,pre,q,ruby,s,samp,section,small,span,strike,strong,sub,summary,sup,table,tbody,td,tfoot,th,thead,time,tr,tt,u,ul,var,video{ font:inherit;margin:0;padding:0;vertical-align:baseline;border:0 }\nbody{ font-size:16px; line-height:1.5; color:#999; background:transparent; }\n.wrapper{ overflow:hidden;word-break:break-all;padding:10px; }\nh1,h2{ font-weight:normal; line-height:1.35; margin-bottom:.6em; }\nh3,h4,h5,h6{ line-height:1.35; margin-bottom:1em; }\nh1{ font-size:24px; }\nh2{ font-size:20px; }\nh3{ font-size:18px; }\nh4{ font-size:16px; }\nh5{ font-size:14px; }\nh6{ font-size:12px; }\np,ul,ol,blockquote,dl,table{ margin:1.2em 0; }\nul,ol{ margin-left:2em; }\nul{ list-style:disc; }\nol{ list-style:decimal; }\nli,li p{ margin:10px 0;}\nimg{ max-width:100%;display:block;margin:0 auto 1em; }\nblockquote{ color:#B5B2B1; border-left:3px solid #aaa; padding:1em; }\nstrong,b{font-weight:bold;}\nem,i{font-style:italic;}\ntable{ width:100%;border-collapse:collapse;border-spacing:1px;margin:1em 0;font-size:.9em; }\nth,td{ padding:5px;text-align:left;border:1px solid #aaa; }\nth{ font-weight:bold;background:#5d5d5d; }\n.symbol-link{font-weight:bold;}\n/* header{ border-bottom:1px solid #494756; } */\n.title{ margin:0 0 8px;line-height:1.3;color:#ddd; }\n.meta {color:#5e5c6d;font-size:13px;margin:0 0 .5em; }\na{text-decoration:none; color:#2a4b87;}\n.meta .head { display: inline-block; overflow: hidden}\n.head .h-thumb { width: 30px; height: 30px; margin: 0; padding: 0; border-radius: 50%; float: left;}\n.head .h-content { margin: 0; padding: 0 0 0 9px; float: left;}\n.head .h-name {font-size: 13px; color: #eee; margin: 0;}\n.head .h-time {font-size: 11px; color: #7E829C; margin: 0;line-height: 11px;}\n.small {font-size: 12.5px; display: inline-block; transform: scale(0.9); -webkit-transform: scale(0.9); transform-origin: left; -webkit-transform-origin: left;}\n.smaller {font-size: 12.5px; display: inline-block; transform: scale(0.8); -webkit-transform: scale(0.8); transform-origin: left; -webkit-transform-origin: left;}\n.bt-text {font-size: 12px;margin: 1.5em 0 0 0}\n.bt-text p {margin: 0}\n</style>\n</head>\n<body>\n<div class=\"wrapper\">\n<header>\n<h2 class=\"title\">\n行业首个：商汤发布并开源 NEO 原生多模态模型架构，实现视觉、语言深层统一\n</h2>\n\n<h4 class=\"meta\">\n\n\n2025-12-02 22:33 北京时间&nbsp;&nbsp;&nbsp;<a href=http://gu.qq.com/resources/shy/news/detail-v2/index.html#/?id=nesSN202512022233469526ea00&s=b><strong>IT之家</strong></a>\n\n\n</h4>\n\n</header>\n<article>\n<div>\n<p>IT之家 12 月 2 日消息，商汤科技今日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。NEO 宣称是“行业首个可用的、实现深层次融合的原生多模态架构（Native VLM）”，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”的设计，通过核心架构层面的多模态深层融合，实现了性能...</p>\n\n<a href=\"http://gu.qq.com/resources/shy/news/detail-v2/index.html#/?id=nesSN202512022233469526ea00&s=b\">网页链接</a>\n\n</div>\n\n\n</article>\n</div>\n</body>\n</html>\n","isBrief":false,"type":0,"news_type":1,"symbol":"BK1109","symbol_name":"应用软件","start_time":0,"source_url":"http://gu.qq.com/resources/shy/news/detail-v2/index.html#/?id=nesSN202512022233469526ea00&s=b","article_id":"2588516300","we_media_id":null,"thumbnails":[],"rights":{"source":"tencent","url":"http://gu.qq.com/resources/shy/news/detail-v2/index.html#/?id=nesSN202512022233469526ea00&s=b","rn_cache_url":null,"customStyle":"body{padding-top:10px;}#news_title{font-weight:bold;#titleStyle#;}#news_description span{font-size:12px;#descriptionStyle#;}.footer-note{#statement#}","selectors":".mod-LoadTzbdNews, body","filters":".relate-stock, .hot-list, .recom-box, .wx-sou","directOrigin":true},"url":"https://stock-news.laohu8.com/highlight/detail?id=2588516300","pubTimestamp":1764685985,"columns":[],"sourceInfo":{"source_id":"tencent","name":"腾讯"},"weMediaInfo":null,"summary":"IT之家 12 月 2 日消息，商汤科技今日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。商汤科技介绍称，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。此外，配合 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，从零构建视觉感知能力，解决了传统跨模态训练中语言能力受损的难题。","collect":0,"end_time":0,"defaultTopTitle":"qq.com","property":[],"viewcount":null,"language":"zh","relate_stocks":{"80020":"商汤-WR","BK1109":"应用软件","BK1615":"港股-互联网","00020":"商汤-W","BK1613":"DeepSeek概念股"},"translate_title":"The first in the industry: SenseTime releases and open source NEO native multi-modal model architecture to achieve deep unity of vision and language","themeId":null,"isJumpTheme":false,"ttsUrl":null,"symbols_score_info":{"80020":0.6,"00020":1.5},"content_text":"IT之家 12 月 2 日消息，商汤科技今日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。NEO 宣称是“行业首个可用的、实现深层次融合的原生多模态架构（Native VLM）”，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。商汤科技介绍称，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。商汤推出了从零设计的 NEO 原生架构，通过在注意力机制、位置编码和语义映射三个维度的底层创新，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，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）：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，适配两种模态的自然结构。这使得 NEO 不仅能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 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，从零构建视觉感知能力，解决了传统跨模态训练中语言能力受损的难题。测试显示，NEO 实现了多方面的突破：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：在 MMMU、MMB、MMStar、SEED-I、POPE 等多项公开评测中，NEO 架构均斩获高分。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。商汤已正式开源基于 NEO 架构的2B 与 9B 两种规格模型，IT之家附开源地址如下：https://github.com/EvolvingLMMs-Lab/NEOhttps://arxiv.org/abs/2510.14979广告声明：文内含有的对外跳转链接（包括不限于超链接、二维码、口令等形式），用于传递更多信息，节省甄选时间，结果仅供参考，IT之家所有文章均包含本声明。","kind":"news","is_publish_news":true,"is_publish_highlight":false,"is_publish_live":false,"is_publish_wemedia":null,"editions":null,"column":"","sentiment":"0","news_tag":"","news_rank":0,"symbols":[],"gpt_button":1,"need_auth":false,"code":"91000000","status":"200"},"commentList":[],"isCommentEnd":true,"newsSizeData":{"likeSize":0,"commentSize":0,"repostSize":0,"favoriteSize":0,"likeStatus":false,"favoriteStatus":false},"APP":{"userAgent":"Mozilla/5.0 AppleWebKit/537.36 (KHTML, like Gecko; compatible; ClaudeBot/1.0; +claudebot@anthropic.com)","isDev":false,"isTTM":false,"deviceId":"web-server-community-laohu8-v3","version":"4.35.9","shortVersion":"4.35.9","platform":"web","vendor":"web","appName":"laohu8","isIOS":false,"isAndroid":false,"isTiger":false,"isTHS":false,"isWeiXin":false,"isWeiXinMini":false,"isWeiBo":false,"isQQ":false,"isBaiduSwan":false,"isBaiduBox":false,"isDingTalk":false,"isToutiao":false,"isOnePlus":false,"isHuaWei":false,"isXiaomi":false,"isXiaomiWebView":false,"isOppo":false,"isVivo":false,"isSamsung":false,"isMobile":false},"href":"/m/news/2588516300","isCrawlerRequest":true}