商湯科技がオープンソースする日日新 SenseNova U1 はマルチモーダルネイティブな統一アーキテクチャを実現

商湯科技は 28日に、日日新 SenseNova U1シリーズのネイティブな理解・生成統一モデルを公開しました。このモデルは、今年3月に自社で開発したNEO-unifyアーキテクチャを基盤としており、単一のモデルフレームワーク内でマルチモーダルな理解、推論、生成の深い統合を実現し、マルチモーダルAIのパラダイムが「統合型」から「ネイティブ統一」への重要な飛躍を示しています。

SenseNova U1で採用されているNEO-unifyアーキテクチャは、一般的なモデルで見られる結合型設計を完全に取り除き、視覚エンコーダ（VE）と変分自己符号化器（VAE）を排除し、統一された表現空間を再構築しました。このアーキテクチャにより、マルチモーダル処理が各層の計算に深く組み込まれ、言語と視覚情報が統一された複合体として直接モデリングされるようになります。これにより、意味の豊かさを保ちながらピクセルレベルの視覚の正確性も維持されます。この技術を活用することで、モデルは論理的推論と空間知能の分野で顕著な性能を発揮し、物理的な世界の複雑な構造と詳細な関係を正確に理解できます。

身体知能のトレンドの進化に伴い、商湯科技

商湯科技が8Bの軽量マルチモーダル大規模モデルをオープンソース化：ネイティブな4K出力、幅広い視覚編集に対応

商湯がオープンソースした8Bの軽量統一マルチモーダルモデル「SenseNova U1.5Lite」は、コアな視覚タスクにおいて同クラスを超えており、一部の複雑なレイアウトやテキストレンダリングでは大規模な商用モデルに匹敵します。ネイティブに3〜4Kのコンテキストをサポートしており、オブジェクト、数、空間的関係性、テキスト、レイアウト、スタイルなど、複数の制約を同時に処理可能です。

8Bパラメータを4Kに詰め込んだ生成・編集用、Sensenのオープンソース軽量統一マルチモーダルモデルU1.5-Liteプレビュー版

商湯科技は軽量統一マルチモーダルモデルSenseNova U1.5-Lite-Previewをコミュニティにオープンソース公開。単一アーキテクチャで視覚理解・推論・生成・編集を統合し、8B-MoEパラメータで4K解像度・リアルな質感・複雑な視覚制御を実現。U1が統一構造の可能性を検証し、U1.5が軽量高パフォーマンスの突破を達成。....

視覚モデルの新進展：商湯がオープンソースで SenseNova-Vision-7B-MoT を公開

商湯科技が7Bパラメータの多目的視覚モデルSenseNova-Vision-7B-MoTをオープンソース化。物体検出、OCR、深度推定、法線推定、画像分割、多視点処理を単一アーキテクチャに統合し、視覚理解とGUIエージェント開発の高効率基盤を提供。....

商湯がオープンソースしたSenseNova-Vision統一ビジョン大モデル単一モデルで4つの核心的なビジョンタスクを横断

商湯は「日日新SenseNova-Vision」ビジョン大モデルを発表し、オープンソース化しました。このモデルの核心はビジョン能力をナチュラルに汎用ベースモデルに組み込むことで、従来の検出やセグメンテーションなどの専門モデルを束ねる分断されたアプローチを打ち破りました。このモデルは単一モデルとして、複数の評価で4つの分野においてパフォーマンスを圧倒し、ビジョンタスクにおける統一ナチュラル構造への重要なアップグレードを示しています。

商湯科技が多モーダルモデルU1Proの開発を機密裏に進めている：林達華がリード、7月に内製テスト開始でOpenAIに対抗

商湯科技は「多モーダル大規模モデルU1Pro」を機密裏に開発中で、デザインシーン向けに設計されており、チーフサイエンティストの林達華がリードしている。このモデルは「日日新」というシリーズに属し、OpenAIのGPT-Image2と対抗する目標を持つ。長距離論理と思考能力を強調しており、7月に内製テストを開始し、商用化を目指している。