商汤科技开源视觉大模型 SenseNova-Vision，实现四大视觉任务原生统一

商汤科技发布了并全面开源了日日新 SenseNova-Vision，这是一款视觉理解与生成统一的大模型，旨在将视觉能力作为原生功能融入大模型体系，而非像以往那样将多个专家模型简单打包。

该模型在目标检测、图像分割、深度预测和 3D 重建等四大核心视觉领域实现了原生统一。在多项评测中，其单模型性能在结构化视觉理解、稠密几何预测、分割能力和多视角 3D 几何等任务上，比肩甚至超越了各领域的专用专家模型。

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，该模型的核心技术将全面融入日日新 U 系列大模型中。