商汤开源7B视觉模型，一个模型包办检测、分割和3D

商汤发布 SenseNova-Vision-7B-MoT。它将目标检测、OCR、关键点定位、图像分割、深度估计和多视角 3D 重建，统一成文字或图像生成任务。用户用语言或视觉提示说明需求，不必为每项任务单独安装专用模块。在 RefCOCOg 指代分割和 Cityscapes 语义分割中，该模型分别取得 80.3 和 71.2，高于谷歌 DeepMind Vision Banana 的 73.8 和 69.9。商汤同步开放推理代码、模型权重和 5000 万条视觉指令数据。代码采用 Apache 2.0，模型权重采用 CC BY-NC 4.0，仅限非商业用途。[原文链接](动察 Beating)