商汤开源SenseNova-Vision统一视觉大模型，超越Vision Banana
商汤科技发布并开源SenseNova-Vision统一视觉大模型，使视觉原生融入大模型体系，在目标检测、深度估计、分割、多视角3D重建等四大核心任务上全面领先，超越VisionBanana，同时开源5000万样本视觉指令语料库。
7月13日，商汤科技正式发布并全面开源了**日日新 SenseNova-Vision 理解生成统一视觉大模型**，这是商汤日日新大模型体系在视觉能力上的一次关键升级。
以往行业里所谓的“统一视觉”，大多是把检测、分割、深度预测等多个专家模型打包在一起，本质上仍然是割裂的。而 SenseNova-Vision 带来的变革，在于**让视觉本身成为通用基础模型的原生能力，彻底融入大模型体系**。目标检测、图像分割、深度预测、3D 重建——所有经典视觉任务，现在真正实现了原生统一。
在多项权威评测中，SenseNova-Vision 以“单模型”身份，在四大核心视觉领域大幅领先，甚至比肩或超越了各领域专门的“专家模型”：
* **结构化视觉理解：** 目标检测、指代检测（Referring）、OCR、关键点定位等任务全面领先同类型通用模型，尤其在稠密小目标检测和长尾类别识别等复杂场景下优势明显。
* **稠密几何预测：** 深度估计、表面法向估计的精度达到了几何专用模型的水准，在室内外多种场景下均能保持极高稳定性。
* **分割能力：** 覆盖通用分割、推理分割、交互式分割。得益于多模态理解能力，在推理分割（Reasoning Segmentation）和对话式分割（GCG Segmentation）上的表现令人惊艳。
* **多视角 3D 几何：** 单模型即可高质量完成多视角点云重建与相机位姿估计，性能在通用视觉路线中处于领先位置。
横向对比来看：
* **对比语义导向模型（如 Youtu-VL 等）：** SenseNova-Vision 在检测、分割、深度等对细节要求极高的视觉任务上实现全面领先。
* **对比生成导向模型（如 Vision Banana 等）：** 展现出全面的代际优势。
* **核心指标超越：** 在各项权威评测的硬核对决中，绝大多数指标均实现了对 Vision Banana 的超越与领跑。
* **任务能力倍增，且全面开源：** 展现出更强的多任务泛化实力。例如，Vision Banana 只能应对四大核心板块中的“两类”问题，而 SenseNova-Vision 能同时将结构化理解、稠密几何、全景分割、多视角 3D 等全任务一并拿下。在此基础上，模型和数据都做到了全面开源。
商汤还同步开源了包含 5000 万条样本的视觉指令语料库 **SenseNova-Vision Corpus-50M**。
未来，商汤将把 SenseNova-Vision 的核心技术全面融入日日新 U 系列大模型中。
开源地址如下：
https://github.com/OpenSenseNova/SenseNova-Vision
来源：https://www.ithome.com/0/975/952.htm
以往行业里所谓的“统一视觉”，大多是把检测、分割、深度预测等多个专家模型打包在一起，本质上仍然是割裂的。而 SenseNova-Vision 带来的变革，在于**让视觉本身成为通用基础模型的原生能力，彻底融入大模型体系**。目标检测、图像分割、深度预测、3D 重建——所有经典视觉任务，现在真正实现了原生统一。
在多项权威评测中，SenseNova-Vision 以“单模型”身份，在四大核心视觉领域大幅领先，甚至比肩或超越了各领域专门的“专家模型”：
* **结构化视觉理解：** 目标检测、指代检测（Referring）、OCR、关键点定位等任务全面领先同类型通用模型，尤其在稠密小目标检测和长尾类别识别等复杂场景下优势明显。
* **稠密几何预测：** 深度估计、表面法向估计的精度达到了几何专用模型的水准，在室内外多种场景下均能保持极高稳定性。
* **分割能力：** 覆盖通用分割、推理分割、交互式分割。得益于多模态理解能力，在推理分割（Reasoning Segmentation）和对话式分割（GCG Segmentation）上的表现令人惊艳。
* **多视角 3D 几何：** 单模型即可高质量完成多视角点云重建与相机位姿估计，性能在通用视觉路线中处于领先位置。
横向对比来看：
* **对比语义导向模型（如 Youtu-VL 等）：** SenseNova-Vision 在检测、分割、深度等对细节要求极高的视觉任务上实现全面领先。
* **对比生成导向模型（如 Vision Banana 等）：** 展现出全面的代际优势。
* **核心指标超越：** 在各项权威评测的硬核对决中，绝大多数指标均实现了对 Vision Banana 的超越与领跑。
* **任务能力倍增，且全面开源：** 展现出更强的多任务泛化实力。例如，Vision Banana 只能应对四大核心板块中的“两类”问题，而 SenseNova-Vision 能同时将结构化理解、稠密几何、全景分割、多视角 3D 等全任务一并拿下。在此基础上，模型和数据都做到了全面开源。
商汤还同步开源了包含 5000 万条样本的视觉指令语料库 **SenseNova-Vision Corpus-50M**。
未来，商汤将把 SenseNova-Vision 的核心技术全面融入日日新 U 系列大模型中。
开源地址如下：
https://github.com/OpenSenseNova/SenseNova-Vision
热点追踪提示词
你是一名 AI 行业编辑，请围绕下面这条热点输出一份资讯解读：
热点：商汤开源SenseNova-Vision统一视觉大模型，超越Vision Banana要求：
1. 先用一句话解释这条热点在讲什么
2. 再总结它为什么重要
3. 说明会影响哪些 AI 产品或内容方向
4. 最后给出 3 个适合资讯站使用的标题
游乐网为非赢利性网站，所展示的游戏/软件/文章内容均来自于互联网或第三方用户上传分享，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系youleyoucom@outlook.com。
相关热点AI热点2026-07-18 22:35
Codeium提示词太长？入门教程教你解决
提示词过长易被截断，应删除客套话与空泛描述，用函数签名锚定类型行为；以符号替代自然语言缩短字符；分阶段提交任务降低出错率；预校验提示词长度，控制在1800字符以内。
AI热点2026-07-18 22:33
机器学习VSM算法原理与实战解析
向量空间模型将文本转为高维向量，通过余弦相似度计算文本相似性。TF-IDF算法通过词频与逆文档频率加权，提升特征词区分度。该模型在文本分类、情感分析等任务中广泛应用，但忽略语义关系，常需结合神经网络等方法弥补不足。
AI热点2026-07-18 22:33
AI大模型与智能驾驶技术融合应用解析
AI大模型为智能驾驶提供精准决策支持，提升数据处理与自适应学习能力；智能驾驶的高实时性、安全性与鲁棒性需求倒逼大模型在计算效率、可解释性等方面持续进化。两者深度结合，共同推动自主驾驶升级与城市交通智能化。
AI热点2026-07-18 22:32
摩尔线程推全功能GPU集群异地算力调度方案
摩尔线程在2023算力技术大会上发布全功能GPU算力集群的异地调度方案，实现跨地域集群化处理。该方案支持自动选择最优节点、负载均衡及成本优化，服务于智算、科学计算、数字文旅等场景。会上还成立校企智算联盟，推动西部算网融合。
- 日榜
- 周榜
- 月榜
热点快看