商汤发布并开源视觉大模型SenseNova-Vision

背景

商汤科技旗下的日日新（SenseNova）大模型体系持续迭代，此前已陆续开源了空间智能模型 SenseNova-SI-1.3、多模态搜索推理模型 SenseNova-MARS、多剧集生成智能体 Seko 2.0 等。作为该体系的重要视觉能力升级，商汤正式发布并全面开源 SenseNova-Vision，这是一款理解与生成统一的视觉大模型。该模型的推出标志着视觉能力从独立模块演变为通用基础模型的原生能力，彻底融入大模型体系。

核心内容

SenseNova-Vision 是商汤日日新大模型体系中的视觉核心模型，它实现了目标检测、图像分割、场景理解等所有经典视觉任务的原生统一。传统上，视觉任务往往依赖独立的专用模型（如目标检测模型、分割模型），而 SenseNova-Vision 将视觉能力作为通用基础模型的原生组成部分，无需额外拼接或调用外部视觉模块。该模型同时支持视觉理解（如识别、检测、分割）和视觉生成（如图像生成、编辑），实现了理解与生成的一体化架构。商汤将 SenseNova-Vision 全面开源，开发者可自由获取模型权重、训练代码和推理框架，用于学术研究和商业场景的二次开发。

关键要点

• SenseNova-Vision 是商汤日日新大模型体系的重要视觉能力升级，定位为理解生成统一的视觉大模型。
• 该模型将视觉能力内化为通用基础模型的原生能力，使其彻底融入大模型体系，而非作为独立模块存在。
• 实现了目标检测、图像分割等所有经典视觉任务的原生统一，无需为不同任务维护多个专用模型。
• 同时支持视觉理解（识别、检测、分割）和视觉生成（图像生成等）两大方向，具备统一的架构设计。
• 商汤已正式全面开源该模型，包括模型权重、训练代码、推理框架等，面向学术和商业应用开放。

意义与影响

SenseNova-Vision 的开源发布，对视觉AI领域产生了多层面的影响。首先，将视觉任务原生融入通用大模型，打破了以往视觉模型与语言模型/多模态模型“拼接”或“外挂”的范式，为多模态大模型的一体化设计提供了新思路。其次，理解与生成的统一使得一个模型即可覆盖从“看懂图像”到“生成图像”的完整链路，降低了视觉AI落地时的模型选型与集成复杂度。再者，全面开源意味着中小企业和研究者可以直接使用该模型进行定制和部署，加速了视觉大模型在安防、自动驾驶、内容生成、机器人等场景的应用。最后，这一举措也体现了商汤在视觉大模型领域的技术积累和开源建设策略，有助于推动行业生态的协同发展。