商汤开源统一视觉多模态模型
nikola_mr64990 · x · 2026-07-14
SenseTime 开源了 SenseNova-Vision-7B-MoT，定位为“一个模型覆盖主要视觉任务”。帖子强调它把计算机视觉重新定义为多模态生成，支持语言或视觉提示来操控，不依赖任务专用 head。
官方给出的对比显示，该模型在多个视觉任务上超过 Google DeepMind 的 Vision Banana，包括：
- 指代表达分割：RefCOCOg cIoU 80.3 vs 73.8
- 语义分割：Cityscapes mIoU 71.2 vs 69.9
- 深度估计：NYUv2 δ1 98.1 vs 94.8
- 法线估计：NYUv2 mean error 14.4 vs 17.8
帖子还提到，这一方向建立在商汤十年视觉 AI 积累之上，并称其在中国视觉 AI 市场连续 10 年居首。
所属事件:商汤开源 SenseNova-Vision-7B-MoT(6 条相关)→
「模型」频道最新
- Kimi K2.8 Preview 上线：性能接近 K3、1M 上下文全档开放 — teortaxesTex · 2026-09-11
- 有人想给软件工程任务建「形态分类」数据库,好按任务选模型 — StewartalsopIII · 2026-09-11
- 用户呼声下 DeepSeek V4 Pro API 宣布继续服务,计费不变 — teortaxesTex · 2026-09-11
- 第三方实测:DeepSeek V4.1 Flash 达 GPT-6 Astra 98% 分,成本仅 1.4% — ayushtweetshere · 2026-09-11
- TheZhi 发起调查:Fable 5.1 与 Astra 发布后,编码模型选择变了吗 — TheZvi · 2026-09-11
- antirez 谈 Anthropic 禁止未成年人使用 Claude — antirez · 2026-09-11