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。 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 ...