NEO架构：商汤突破多模态模型的数据融合与原生架构设计
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。
免费影视、动漫、音乐、游戏、小说资源长期稳定更新！ 👉 点此立即查看 👈
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
相关攻略
图片由AI生成当大模型的竞争焦点从参数竞赛转向落地实效比拼，真正将技术转化为生产力，成为了行业内玩家的核心命题。作为中国AI领域的先行者，商汤科技最新发布的2025年业绩报告，也是一份关于AI产品化
智东西作者｜江宇编辑｜漠影智东西3月26日报道，昨日，中国计算机学会（CCF）发布声明，强烈反对NeurIPS新增限制条款，并倡议中国学者暂停投稿与审稿。▲中国计算机学会发布声明强烈反对并发起抵制这
近日，商汤大装置联合大晓机器人与广西产业技术研究院达成战略合作，就AI基础设施建设、具身数据采集、世界模型研发、机器人应用场景拓展等领域达成深度合作，开启三方携手赋能具身智能产业发展的新篇章。此次战
新京报贝壳财经讯（记者张晓慧）随着AI智能体OpenClaw走红，互联网厂商寻求从各个方向切入这一赛道。3月11日，商汤科技旗下“办公小浣熊”推出可在OpenClaw上部署的办公Skills（功能插
智东西作者 陈骏达编辑 李水青智东西3月6日报道，今天，商汤科技发布最新技术博客——《NEO-unify：原生架构打造端到端多模态理解与生成统一模型》。NEO-unify是一个从底层统一多模
热门专题
热门推荐
微软战略转向：Win11内置应用将全面重构，告别网页套壳以提升性能 你是否感觉Windows 11某些应用响应迟缓，或是内存占用异常偏高？最新消息或许值得关注。据官方透露，微软正调整其应用开发战略，将逐步减少对网页技术的依赖，转而启动大规模原生应用重构计划。这一重大决策，标志着此前推广的“网页化”开
《红色沙漠》全支线任务图文攻略与深度解析 在开放世界大作《红色沙漠》中，丰富多样的支线任务是游戏体验不可或缺的一环。许多玩家初次接触时，可能会对任务系统感到困惑。实际上，每个支线都有其独特的设计思路与完成技巧。例如任务“图尔纳里的请求”，其核心玩法侧重于资源收集与体力劳动，你需要按照指示完成特定的伐
知名破解组织宣布成功突破《EA Sports FC 26》四重防护系统 近日，游戏安全领域传来重磅消息：因屡次攻破高级加密而声名鹊起的破译团队DenuvOwO，正式对外宣告已成功放出针对《EA Sports FC 26》的最新破解方案。该方案直接破解了游戏核心的Denuvo虚拟机加密技术，一石激起千
快速部署指南：基于DeepSeek与飞书的Ubuntu虚拟机镜像，30分钟完成私有AI助手搭建 你是否希望在本地快速搭建一个集成DeepSeek大模型能力、并能通过飞书机器人便捷调用的AI开发环境？我们提供的基于WSL2的Ubuntu预配置虚拟机镜像，正是为你量身打造的“一站式AI应用解决方案”。本
《绝地求生》全新“物品狩猎”躲猫猫模式正式上线：玩法宣传片深度解析 《绝地求生》重磅更新，备受期待的趣味玩法“物品狩猎”模式现已正式推出。这一全新的躲猫猫玩法究竟有何独特之处？官方已发布完整版宣传视频，为玩家们详细揭秘核心规则与对战策略。想要抢先了解新模式的玩家，可以通过本文的介绍一探究竟。 最新发