2026年7月14日，商汤科技正式开源多任务视觉模型SenseNova-Vision-7B-MoT，该模型将目标检测、OCR、深度估计等6类核心视觉任务集成于7B参数单一架构，同时开放5000万样本语料子集与完整复现工具包，为视觉理解、GUI智能体开发提供高通用性基座支撑，引发AI视觉领域广泛关注。
过去很长一段时间，AI视觉落地都面临“多任务适配难”的普遍困境：面向同一应用场景，开发者往往需要同时部署目标检测、OCR、图像分割等多款专用模型，不仅占用大量算力资源，也会因多模型调度产生额外推理延迟，拉高了商业化落地的门槛。
在GUI智能体、工业质检、自动驾驶感知等高频场景中，多视觉能力组合已经成为刚需：比如操作电子设备的GUI智能体需要同时完成界面元素识别、文字读取、控件深度位置判断三类任务，传统方案至少要部署3款不同的视觉模型，端侧部署难度极高，这也是此前GUI智能体难以规模化落地的核心阻碍之一。
登录后解锁全文，体验收藏、点赞、评论等完整功能
立即登录
滇公网安备 53252802528133号