ITCOW牛新网 7月13日消息，商汤科技于今日发布并全面开源日日新 SenseNova‑Vision 理解生成统一视觉大模型，完成日日新大模型体系在视觉原生能力上的重要升级。行业过往所谓“统一视觉”多是把检测、分割、深度预测等专家模型打包封装，本质仍呈割裂状态，而 SenseNova‑Vision 的核心变革在于让视觉成为通用基础模型的原生能力，彻底融入大模型体系，使目标检测、图像分割、深度预测及 3D 重建等经典视觉任务实现原生统一。
据ITCOW牛新网了解，SenseNova‑Vision 以单模型在四大核心视觉领域大范围领跑，比肩甚至超越各领域专用“专家模型”。结构化视觉理解方面，在目标检测、指代检测、OCR 及关键点定位上全面领先同类型通用模型，稠密小目标检测与长尾类别识别等复杂场景表现尤为突出；稠密几何预测中深度估计与表面法向估计精度达几何专用模型水准，室内外多场景保持极高稳定性；分割能力涵盖通用、推理及交互式分割，依托多模态理解力在推理分割与对话式分割上表现惊艳；多视角 3D 几何则仅凭单模型即可高质量完成点云重建与相机位姿估计，在通用视觉路线中处于领先位置。
横向对比来看，相较语义导向模型（如 Youtu‑VL 等），SenseNova‑Vision 在检测、分割、深度等对细节要求极高的任务上实现全面领先；相较生成导向模型（如 Vision Banana 等）展现出代际优势——核心指标在绝大多数权威评测中超越 Vision Banana，且 Vision Banana 仅能应对四大核心板块中“两类”问题，SenseNova‑Vision 却可同时将结构化理解、稠密几何、全景分割及多视角 3D 等全任务一网打尽。
商汤同步开源包含 5000 万条样本的视觉指令语料库 SenseNova‑Vision Corpus‑50M，模型权重与代码已发布于 https://github.com/OpenSenseNova/SenseNova‑Vision，未来其核心技朮将全面融入日日新 U 系列大模型中。