Prompt 语宙Prompt 语宙
  • 首页
  • 语宙 AI 导航
  • AIGC 资讯
    • AIGC 早报生成器Hot
    • 最新趋势
    • AI 工具
    • 热门资源
    • 强化 AI 学习
  • AI 绘图
    • Prompt 实战
    • AI 绘画教程
    • 模型精选
  • AI 图库
    • 人物
    • 展台场景
    • Banner
    • 游戏
    • 动物
    • 食物
    • 自然
    • 背景
    • 海报
    • 建筑
    • 室内设计
  • 出海数字营销宝典
  • AI 生图 Prompt
    • 写实人像
    • 产品与广告
    • 游戏资产与 3D
    • 界面与图标
    • 建筑与室内
    • 动漫与插画
    • 风景与自然
搜索 AIGC 资讯、Prompt 咒语与 AI 工具
  • 语宙 AI 导航
  • 全部资讯
  • AI 生图咒语库
  • AIGC 早报生成器
  • 核心专题
  • 提交工具 / 合作
© 2023–2026 Prompt 语宙 (paooo.com). HalfPX. All Rights Reserved.
阅读: 商汤SenseNova-MARS开源:首个多模态自主推理模型,性能超越GPT-5.2与Gemini-3-Pro
Share
通知 阅读更多
Font Resizer字体
Font Resizer字体
Prompt 语宙Prompt 语宙
搜索 AIGC 资讯、Prompt 咒语与 AI 工具
  • 首页
  • 语宙 AI 导航
  • AIGC 资讯
    • AIGC 早报生成器Hot
    • 最新趋势
    • AI 工具
    • 热门资源
    • 强化 AI 学习
  • AI 绘图
    • Prompt 实战
    • AI 绘画教程
    • 模型精选
  • AI 图库
    • 人物
    • 展台场景
    • Banner
    • 游戏
    • 动物
    • 食物
    • 自然
    • 背景
    • 海报
    • 建筑
    • 室内设计
  • 出海数字营销宝典
  • AI 生图 Prompt
    • 写实人像
    • 产品与广告
    • 游戏资产与 3D
    • 界面与图标
    • 建筑与室内
    • 动漫与插画
    • 风景与自然
已有帐户? 登陆
  • 语宙 AI 导航
  • 全部资讯
  • AI 生图咒语库
  • AIGC 早报生成器
  • 核心专题
  • 提交工具 / 合作
© 2023–2026 Prompt 语宙 (paooo.com). HalfPX. All Rights Reserved.
商汤SenseNova-MARS开源:首个多模态自主推理模型,性能超越GPT-5.2与Gemini-3-Pro
Prompt 语宙 > AI 工具 > 商汤SenseNova-MARS开源:首个多模态自主推理模型,性能超越GPT-5.2与Gemini-3-Pro
AI 工具AIGC 资讯

商汤SenseNova-MARS开源:首个多模态自主推理模型,性能超越GPT-5.2与Gemini-3-Pro

Prompt 语宙研究院
最近更新: 2026年6月7日 下午8:06
Agentic VLM 商汤科技 多模态模型 大模型开源 自主推理
SHARE
⚡ Prompt 语宙 AI 导读 · 30 秒核心看点
  • 首个将自主Agent能力与多模态深度推理结合的开源模型,支持动态视觉推理与图文搜索融合。
  • 32B版本在七大基准平均69.74分,超过Gemini-3-Pro与GPT-5.2,开源阵营达到SOTA。
  • 双阶段训练+BN-GSPO强化学习,解决多工具协同训练不稳定问题,适合复杂多跳任务。

💡 站外导读:在AI技术竞赛白热化的今天,多模态模型已从简单的图文理解进化到需要复杂推理与执行的“智能体”阶段。然而,现有模型在面对需要多步骤、多工具协作的真实任务时,往往缺乏自主规划和动态调用能力,成为制约AI从“实验室Demo”走向“生产力工具”的关键瓶颈。商汤科技开源的SenseNova-MARS,正是为解决这一痛点而生,它首次将自主Agent能力与多模态深度推理相结合,标志着多模态AI进入“执行智能”新纪元。

SenseNova-MARS是什么

SenseNova-MARS是商汤科技开源的多模态自主推理模型,提供8B和32B两种参数规模。作为首个支持动态视觉推理与图文搜索深度融合的Agentic VLM,模型能像智能体一样自主规划任务步骤,灵活调用图像裁剪、文本搜索、图像搜索三大工具,无需人工干预可完成复杂的多跳推理。模型在MMSearch、HR-MMSearch、FVQA等七大基准测试中,SenseNova-MARS-32B以69.74分的平均成绩超越Gemini-3-Pro(69.06分)和GPT-5.2(67.64分),在开源模型中达到SOTA水平,标志着AI从”能回答”向”能执行”的重要跨越。

阅读目录
  • SenseNova-MARS是什么
  • SenseNova-MARS的主要功能
  • SenseNova-MARS的技术原理
  • SenseNova-MARS的项目地址
  • SenseNova-MARS的应用场景
      • 📝 站长洞察 (Editor’s Insight)

SenseNova-MARS

SenseNova-MARS的主要功能

  • 多模态搜索推理:模型融合图像与文本进行跨模态信息检索,支持动态调用工具完成复杂知识推理。
  • 细粒度视觉分析:支持处理4K/8K超高清图像,能精准裁剪、识别占比不足5%的微小视觉细节。
  • 自主Agent执行:模型能自主规划任务步骤,无缝协作多工具形成闭环,无需人工干预解决复杂问题。

SenseNova-MARS的技术原理

  • 双阶段训练架构:第一阶段通过约3,000个高质量多轮交互轨迹进行冷启动监督微调,使模型掌握基础工具使用模式;第二阶段用BN-GSPO强化学习算法,通过组内与批次双重归一化稳定训练过程,优化多工具协同调用与推理决策能力。
  • BN-GSPO强化学习算法:针对多工具场景中轨迹长度与奖励尺度差异导致的训练不稳定问题,算法先对同组样本进行组归一化消除内部偏差,再对整个批次进行归一化平衡不同任务的学习信号,实现稳定高效的多工具策略优化。
  • 动作空间与工具设计:模型每轮可在文本搜索、图像搜索、图像裁剪及终止回答四个动作中选择,图像裁剪通过归一化边界框坐标实现精准局部放大,所有工具调用均遵循严格的JSON格式规范确保交互一致性。
  • 奖励模型机制:模型采用GPT-4o作为评判器,从答案准确性与格式合规性两个维度提供稀疏奖励,准确性奖励衡量最终答案与 ground truth 的语义匹配度,格式奖励能确保每轮输出包含合规的思考过程与工具调用结构。
  • 自动化数据合成:基于多模智能体构建数据引擎,通过细粒度视觉锚点定位、多跳深度关联检索及闭环自洽性校验三个环节,自动挖掘跨网页实体逻辑并构建高复杂度推理链路,同时过滤幻觉数据保证训练数据质量。

SenseNova-MARS的项目地址

  • GitHub仓库:https://github.com/OpenSenseNova/SenseNova-MARS
  • HuggingFace模型库:
    • https://huggingface.co/sensenova/SenseNova-MARS-32B
    • https://huggingface.co/sensenova/SenseNova-MARS-8B
  • arXiv技术论文:https://arxiv.org/pdf/2512.24330

SenseNova-MARS的应用场景

  • 体育竞技分析:模型能识别赛车服微小logo并查询相关企业及车手背景信息,自动计算时间差值辅助赛事数据核实。
  • 商业情报挖掘:从峰会照片中识别企业标志,快速搜集产品参数与融资信息,辅助分析行业竞争格局。
  • 新闻事实核查:针对高分辨率新闻图片追溯事件背景与人物身份,验证社交媒体流传信息的真实性。
  • 学术研究与教育:自动分析论文图表数据并检索相关研究背景,加速文献综述与知识整合过程。
  • 地理旅行探索:识别地标路牌等细节并实时检索历史文化信息,提供沉浸式智能导览体验。

📝 站长洞察 (Editor’s Insight)

SenseNova-MARS的发布,不仅是一次技术基准的刷新,更揭示了多模态大模型发展的关键范式转移:从“被动应答”到“主动执行”。它通过创新的BN-GSPO强化学习算法与双阶段训练架构,解决了多工具场景下训练不稳定的核心难题,让模型像人类专家一样规划、搜索、裁剪、推理,形成闭环。这背后是商汤对“Agentic VLM”路径的深刻押注——未来的AI竞争,将不再是单一模型参数的比拼,而是谁能构建更稳定、更高效的“自主推理引擎”。结合其完整的开源生态(模型、代码、论文),SenseNova-MARS正以“基础设施”姿态,为开发者提供了一把解锁复杂场景应用的钥匙,其影响将远超学术榜单,直接催化商业情报、科研自动化等领域的生产力革命。

🧭 文中关联 AI 工具官网与参数卡(语宙 AI 导航)
HuggingFace ↗
HuggingFace:AI模型开发社区,面向大语言模型场景提供便捷实用的在线功能支持,涵盖大模型等实用方向。
❓ 常见问题解答(FAQ)
SenseNova-MARS是什么模型?

SenseNova-MARS是商汤科技开源的多模态自主推理模型,提供8B和32B两种规模。它能像智能体一样自主规划步骤,调用文本搜索、图像搜索和图像裁剪工具完成复杂多跳推理。

SenseNova-MARS为什么被称为Agentic VLM?

因为它不仅能理解图文,还能自主决定何时搜索、裁剪或终止回答,形成“规划—执行—推理”的闭环。文章指出它首次把自主Agent能力与多模态深度推理结合起来。

SenseNova-MARS适合哪些应用场景?

适合体育分析、商业情报、新闻事实核查、学术研究和地理导览等场景。尤其适合需要高分辨率图像细节识别、多工具协作和多跳信息检索的复杂任务。

🔬 语宙深潜追问 · 进阶实操拆解
多模态检索怎么接入业务?

先把图像、文本、裁剪等动作封装成统一工具接口,再让模型负责规划与排序;关键是为每一步加置信度和回退策略,避免一次性决策失误放大。

8B和32B该怎么选?

8B适合边缘部署、低成本试点和高并发检索,32B更适合复杂推理与高精度场景。实际选型要看延迟预算、显存成本和是否需要多轮自主规划。

🗳️ 读者观点微投票 · 您的实战立场是?
开源多模态推理真能追平闭源顶级模型吗?
🕸️ 语宙向量知识图谱 · 语义强关联深度内链
⚡ 所属权威专题:OpenAI GPT 与 Sora 生态 →
  • 商汤SenseNova U1发布:原生统一多模态大模型,一模型打通理解生成,性能比肩闭源模型
  • 日日新SenseNova V6 – 商汤推出的多模态融合模型系列
  • 美团5600亿参数推理模型LongCat-Flash-Thinking:开源MoE架构引领AI Agent新范式
  • Step3-VL-10B:阶跃星辰开源10B参数多模态模型,性能对标200B级巨模,端侧部署新标杆
🏛️ Prompt 语宙研究院 · Prompt 语宙研究院(paooo.com Research)专注于前沿多模态大模型架构拆解、AI Agent 工作流评测、AIGC 提示词工程(Prompt Engineering)与全球高增长 AI 生产力工具实测追踪,致力于为中文开发者与创作者提供一手、可复现的深度技术洞察。
📄 Markdown 纯净版
💡 这篇内容对您有启发吗?
📡 RSS 订阅✨ 提交 AI 工具 / 合作
🚀 Prompt 语宙 AI 创作者生态:探索 2,800+ 全球实用 AI 工具与高精度生图提示词咒语库
🧭 语宙 AI 导航 (ai.paooo.com)🎨 AI 生图 Prompt 库📚 核心专题导航⚡ AIGC 早报生成器
引用相关度99.5%、排版合规率97.9%!Hebbia披露GPT-6 Astra金融尽调实测:2000份数据室直出原生PPT与单元格级溯源全拆解
Anus – Manus 生成的开源 AI 智能体项目,复刻 Manus 部分功能
CogVideoX-2 – 智谱 AI 推出的文本到视频生成模型
AnimaTensor:基于V-Prediction技术的二次元图像生成模型|吐司AI发布Pro/Regular版本
DeepSeek R1T2 震撼发布:速度飙升200%、成本直降60%!TNG基于DeepSeek打造的企业级推理神器全面解析
TAGGED:Agentic VLM商汤科技多模态模型大模型开源自主推理
分享
Email 复制链接 打印
Share
Prompt 语宙研究院 头像
ByPrompt 语宙研究院
Follow:
Prompt 语宙研究院(paooo.com Research)专注于前沿多模态大模型架构拆解、AI Agent 工作流评测、AIGC 提示词工程(Prompt Engineering)与全球高增长 AI 生产力工具实测追踪,致力于为中文开发者与创作者提供一手、可复现的深度技术洞察。
上一篇 MOVA:中国首个端到端开源音视频生成大模型,320亿参数实现电影级口型同步 MOVA:中国首个端到端开源音视频生成大模型,320亿参数实现电影级口型同步
下一篇 阿里通义开源 Qwen3-ASR 语音识别模型:支持52语种方言,1.7B版达SOTA,0.6B版吞吐提升2000倍 阿里通义开源 Qwen3-ASR 语音识别模型:支持52语种方言,1.7B版达SOTA,0.6B版吞吐提升2000倍
Ad image
Ad image

最近更新

Latent Space 对话 Black Forest Labs 核心创始人 Andreas Blattmann 与 Dustin Podell:从 FLUX 到视觉智能与世界动作模型
视觉智能为什么不能只靠静态图片?对话Black Forest Labs创始人:FLUX 3音画联合训练、扩散与自回归之争及世界动作模型全拆解
强化 AI 学习
Google 官方详解网站迁移至 CDN 如何避免爬虫流量激增打崩源站与误封 Googlebot 导致搜索掉收录
刚切上CDN源站反被爬虫打崩?Google官方拆解迁移翻车悖论:冷缓存雪崩、验证码误杀与预热止血指南
AI 工具
GitHub 正式上线 Repository insights 页面,集中展示 Copilot 代码审查采纳率与评论分类统计结果
AI代码审查到底有没有被采纳?GitHub上线Repository insights与repos-1-day API:四维信号、力度趋势及统计陷阱全拆解
AI 工具
Forrester AI 颠覆评估模型 17 大技术与服务品类分布图:呈现受颠覆、中立、争夺与加速四类市场象限及细分赛道数量
80%技术市场面临AI重塑冲击!Forrester拆解200+细分赛道颠覆矩阵:四大象限与Top 20合同采购谈判实战
最新趋势

相关推荐

Mureka V7音乐大模型深度评测:昆仑万维MusiCoT技术引领AI音乐创作新纪元
AI 工具

Mureka V7音乐大模型深度评测:昆仑万维MusiCoT技术引领AI音乐创作新纪元

Prompt 语宙研究院
AIGC AI音乐生成 Mureka V7 MusiCoT 昆仑万维
MiniMax Office Skills开源!四大组件破解AI生成文档「能用不能交」世纪难题,生产级办公引擎直击金融法律交付痛点
AI 工具

MiniMax Office Skills开源!四大组件破解AI生成文档「能用不能交」世纪难题,生产级办公引擎直击金融法律交付痛点

Prompt 语宙研究院
AI Agent办公 MiniMax Office Skills 企业级文档 文档自动化 稀宇科技
问小白 5 Pro – 元石科技推出的新一代长内容生成引擎
AIGC 资讯

问小白 5 Pro – 元石科技推出的新一代长内容生成引擎

Prompt 语宙研究院
AI办公效率 AI智能体 DeepSeek Kimi RAG检索增强
阶跃星辰开源全球首个LLM级音频编辑大模型 Step-Audio-EditX:三轴细粒度情感、风格、副语言控制,支持零样本TTS
AI 工具

阶跃星辰开源全球首个LLM级音频编辑大模型 Step-Audio-EditX:三轴细粒度情感、风格、副语言控制,支持零样本TTS

Prompt 语宙研究院
AIGC 情感编辑 阶跃星辰 零样本TTS 音频大模型
/ Prompt 语宙 /

探索生成式 AI 的无限创作潜能,一站式获取前沿 AIGC 资讯、高阶 Prompt 咒语与全球实用 AI 工具。

核心专栏

  • 语宙 AI 工具导航
  • EVA 视觉抠图工坊Hot
  • 出海数字营销宝典
  • AI 生图咒语灵感库
  • 24H 硅谷 AI 情报流

生态与服务

  • 语宙 AI 导航
  • 全部资讯
  • AI 生图咒语库
  • AIGC 早报生成器
  • 核心专题
  • 提交工具 / 合作

标签

开源大模型 AI智能体 AI办公效率 AI绘画提示词 OpenAI 大模型微调 Midjourney AI编程 stable diffusion AI视频生成 ChatGPT 3D与空间智能 HuggingFace AI音频与语音 RAG检索增强 Claude Flux AIGC Gemini 通义千问 Anthropic Llama Cursor DeepSeek Prompt AI Agent Kimi 智谱AI 具身智能 YouTube
Prompt 语宙Prompt 语宙
Follow US
© 2023–2026 Prompt 语宙 (paooo.com). HalfPX. All Rights Reserved.