7B 开源视觉模型 SenseNova-Vision：单架构搞定分割、深度与 3D 重建
SandyL925 · reddit · 2026-08-13
商汤开源了 7B 参数的视觉模型 SenseNova-Vision（Apache 2.0）。该模型采用混合专家（MoT）架构，将几乎所有计算机视觉任务统一转化为单一的生成问题。
- 核心能力：无需特定任务预测头，仅用一套权重即可处理目标检测、关键点检测、OCR、各类分割（二值、实例、语义）、深度与表面法线估计。
- 突出亮点：支持多视图 3D 重建和相机位姿估计。通常这类任务需要依赖 COLMAP 等专业工具，但该模型仅需单次提示即可完成。
- 训练与部署：基于 5000 万条指令-响应对训练。提供在线 Demo 和 Hugging Face 权重下载。但部署门槛较高，运行完整 Web Demo 至少需要 1 张 80GB 显存的 GPU，基准测试则需 8 张 80GB GPU。
「模型」频道最新
- 前微软高管称初测 Argon 数学能力强劲、后训练一流 — MParakhin · 2026-10-16
- ThursdAI 纽约现场版上线：Meta Muse Wonder 与 Gemini 4 Argon 专场 — altryne · 2026-10-16
- Claude 已主导 Anthropic 26% 模型研发，2 月还不足 1% — altryne · 2026-10-16
- 用户设计「永远只说谎」测试,模型明确拒绝接受为永久规则 — Tischler285 · 2026-10-16
- Reddit 长文给 AGI/RSI/ASI 下硬定义:称 GPT-6 已达 AGI 门槛 — Crayola_God · 2026-10-16
- 「小型 Claude 羞耻」引热议：让 Opus 4.7 知道你是谁或许更好 — repligate · 2026-10-16