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”）正式發布并開源了與南洋理工大學S-Lab合作研發的全新多模態模型架構——NEO，為日日新SenseNova多模態模型奠定了新一代架構的基石。

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

    當前，業內主流的多模態模型大多遵循“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，雖然實現了圖像輸入的兼容，但本質上仍以語言為中心，圖像與語言的融合僅停留在數據層面。這種“拼湊”式的設計不僅學習效率低下，更限制了模型在復雜多模態場景下（比如涉及圖像細節捕捉或復雜空間結構理解）的處理能力。

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

    目前，商湯已正式開源基于NEO架構的2B與9B兩種規格模型，以推動開源社區在原生多模態架構上的創新與應用。商湯表示，致力于通過開源協作與場景落地雙輪驅動，將NEO打造為可擴展、可復用的下一代AI基礎設施，推動原生多模態技術從實驗室走向廣泛的產業化應用，加速構建下一代產業級原生多模態技術標準。

（編輯 張偉）