PChome 7月13日消息，商汤科技正式发布并全面开源日日新SenseNova-Vision理解生成统一视觉大模型，宣告经典视觉任务正式并入通用大模型体系。
PChome 7月13日消息，商汤科技正式发布并全面开源日日新SenseNova-Vision理解生成统一视觉大模型，宣告经典视觉任务正式并入通用大模型体系。此次发布打破了行业长期依赖“语言模型+视觉外挂模块”的拼凑路线，将目标检测、图像分割、深度预测、3D重建等任务原生统一于同一共享表征空间，无需为单项任务设计专属预测头。
SenseNova-Vision采用7B参数量的MoT架构，基于5000万条高质量指令数据训练，实现了视觉与语言思维的双向增益。实测显示，该模型在零样本泛化、超稠密物体分割及抗镜面干扰等极端场景中表现稳健，且在COCO检测、NYUv2深度估计等权威基准上，单模型性能比肩甚至超越传统专用专家模型。
目前，SenseNova-Vision代码与包含SenseNova-Vision-Corpus-50M语料库已在GitHub及Hugging Face同步开源。作为商汤“原生统一”技术路径的关键落子，此举大幅降低了下游多任务视觉系统的开发与维护成本，为国产多模态生态提供了具备世界模型雏形的通用底座。
