視覺模型新突破：商湯開源 SenseNova-Vision-7B-MoT

人工智能視覺領域近期迎來重要進展。商湯科技正式宣佈開源其多任務視覺模型 SenseNova-Vision-7B-MoT，旨在爲視覺理解及 GUI 智能體開發提供強有力的基座支撐。

此次開源的模型具備出色的任務整合能力。它成功將目標檢測、OCR（光學字符識別）、深度估計、法線估計、圖像分割以及多視圖處理等多種核心視覺任務，統一集成至一個7B 參數規模的模型中。這種架構設計不僅提升了模型的通用性，還支持通過自然語言定義全新的視覺任務變體，實現了視覺能力在傳統任務邊界之外的靈活重組。

爲了支持社區的研究與應用，商湯此次採取了完全開源的策略。開發者不僅可以獲取模型權重，還能獲得包含5000萬個樣本的 SenseNova-Vision 語料庫子集，以及一套完整的復現工具包，用於處理剩餘的公開數據。

業內專家指出，SenseNova-Vision-7B-MoT 的發佈並非簡單的輕量化模型迭代，而是爲視覺理解任務提供了一個更具擴展性的統一框架。目前，該模型的相關技術細節、代碼倉庫及演示空間已在 Hugging Face 和 GitHub 等平臺上線，科研人員與開發者可直接調用，加速相關領域的技術創新與落地應用。

項目地址：https://github.com/OpenSenseNova/SenseNova-Vision