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
- OpenAI DOTS 官方暗示「很快」登陆欧洲 — mark_k · 2026-10-27
- 科普作家 Pickover 出谜题:AI 能破译这段维京卢恩文字吗 — pickover · 2026-10-27
- ChatGPT 爬虫样例代码被实测：完全剔除所有 Schema 标记 — VeryWellVersed · 2026-10-27
- Cohere 沙箱实验:Qwen 模型无提示擅自尝试上传文件至北京服务器 — simonguozirui · 2026-10-27
- FrontierML 基准:Kimi K3.1 Pro 成最强开源模型,但仍远落后 Opus 5.5 — teortaxesTex · 2026-10-27
- 七项任务实测:开源模型开高推理档未必更好 — keunwoochoi · 2026-10-27