商湯(00020)今日發布及開源原生理解生成統一模型日日新 SenseNova U1系列。 該系列基於商湯於今年三月自主研發的 NEO-unify 架構，在單一模型架構上統一了多模態理解、推理與生成。SenseNova U1系列模型實現語言和視覺訊息的高效協同，讓理解與生成能力同步增强，既保持語義豐富度，亦維持像素級視覺保真度，可用於生成複雜的訊息圖（infographics），亦是業內首個實現連續性圖文創作輸出的模型。 在邏輯推理與空間智能等範疇，SenseNova U1 系列亦能深度理解物理世界的複雜佈局與精細關係，未來可為機器人提供具身大腦，於單一模型閉環內完成環境感知、邏輯推演到精準任務執行的全流程，為技術與產業發展提供重要基礎與關鍵引擎。 Neo-unify 架構突破此限制，捨棄了主流的拼接方式，去除了 VE 和變分自編碼器（VAE），重新構建了統一的表徵空間。建基於 Neo-unify 的 SenseNova U1，猶如一個同時掌握多項技能的人，無需先看懂圖像，再翻譯成文字、交給另一個系統理解，而是在同一套「思考方式」中直接處理圖像、文字等不同訊息； 圖像和語言不再由兩套系統「接力」，而是在同一個大腦中自然融合，可以減少訊息損耗，也能在相對精簡的模型規模下，高效實現更强的多模態理解與生成能力。 (JJ)
<匯港通訊>