最近AI圈有了新的大动作。

商汤科技正式开源一款多任务视觉模型，名为SenseNova-Vision-7B-MoT。

它的定位是为视觉理解和GUI智能体开发提供一块结实的“地基”。

核心能力：任务整合与灵活扩展

这个模型最厉害的地方在于任务整合能力。

原本需要各自独立训练的视觉任务，现在被统一集成到一个仅有7B参数规模的模型里。这些任务包括：

• 目标检测
• OCR（光学字符识别）
• 深度估计
• 法线估计
• 图像分割
• 多视图处理

不仅统一集成，它还支持通过自然语言定义全新的视觉任务变体。

相当于把各种视觉能力像乐高一样拆开重组，突破了传统任务边界的限制。

开源策略：完全开放，毫无保留

商汤这次的开源策略令人眼前一亮——完全开放，毫无保留。

开发者不仅能拿到模型权重，还能获得：

• 一个包含5000万个样本的语料库子集（SenseNova-Vision语料库）
• 一套完整的复现工具包，用于处理剩下的公开数据

这意味着社区拿到的不仅是一个模型，而是一整套能动手玩、能复现结果的生产工具。

业内评价：更具扩展性的统一框架

业内专家对模型的评价不低。

它不只是一次简单的轻量化模型迭代，而是给视觉理解任务提供了一个更有扩展性的统一框架。

目前，模型的技术细节、代码仓库和演示空间已在Hugging Face、GitHub等平台上线。

科研人员和开发者可以直接上手调用，加快技术落地节奏。

《夸克》非常好用的免费AI浏览器

下载APP查看