商湯開源SenseNova-Vision統一視覺大模型，單模型橫掃四大核心視覺任務

商湯科技正式發佈並全面開源"日日新SenseNova-Vision"理解生成統一視覺大模型，這是商湯日日新大模型體系的重要視覺能力升級。商湯表示，行業以往的"統一視覺"多是把檢測、分割、深度預測等多個專家模型打包封裝，本質仍是割裂的，而SenseNova-Vision的核心變革是讓視覺成爲通用基礎模型的原生能力，徹底融入大模型體系。

單模型碾壓四大領域

在多項評測中，SenseNova-Vision以"單模型"在四大核心視覺領域大範圍領跑，比肩甚至超越各領域專用專家模型。在結構化視覺理解方面，目標檢測、指代檢測、OCR、關鍵點定位等任務全面領先同類通用模型，稠密小目標檢測和長尾類別識別等複雜場景表現尤爲突出。在稠密幾何預測方面，深度估計和表面法向估計精度達到幾何專用模型水準，室內外多場景均保持極高穩定性。

分割能力涵蓋通用分割、推理分割、交互式分割等，得益於強大的多模態理解力，在推理分割與對話式分割表現上尤爲驚豔。僅憑單模型即可高質量完成多視角點雲重建與相機位姿估計，性能在通用視覺路線中處於領先位置。

全面超越Vision Banana，數據同步開源

橫向對比來看，對比語義導向模型，SenseNova-Vision在檢測、分割、深度等細節要求極高的視覺任務上實現全面領先。對比生成導向模型Vision Banana，則展現出全面的代際優勢——在各項權威評測的絕大多數指標上均實現超越與領跑。Vision Banana僅能應對四大核心板塊中的兩類問題，而SenseNova-Vision卻能同時覆蓋結構化理解、稠密幾何、全景分割、多視角3D等全任務。

在開源方面，商湯不僅開放了模型本身，還同步開源了包含 5000 萬條樣本的視覺指令語料庫SenseNova-Vision Corpus-50M。未來，商湯將把SenseNova-Vision的核心技術全面融入日日新U系列大模型中。