商汤发布并完全开源 SenseNova-Vision-7B-MoT，一个统一处理检测、OCR、GUI、深度与法线估计、分割、多视图等主要视觉任务的模型。该模型支持通过自然语言定义新的视觉任务变体，跨传统任务边界重组视觉能力。开源内容包括模型权重及 SenseNova-Vision Corpus（含 5000 万示例子集及复现剩余公开数据的完整工具包）。
SenseTime@SenseTime_AI商汤发布并完全开源 SenseNova-Vision-7B-MoT，一个统一处理检测、OCR、GUI、深度与法线估计、分割、多视图等主要视觉任务的模型。该模型支持通过自然语言定义新的视觉任务变体，跨传统任务边界重组视觉能力。开源内容包括模型权重及 SenseNova-Vision Corpus（含 5000 万示例子集及复现剩余公开数据的完整工具包）。
商汤把检测、OCR、深度估计等多个视觉任务塞进一个7B模型，还贴心地开源了数据集和复现工具，做视觉理解或GUI agents的团队可以直接拿它当基座，不是又一个刷榜的轻量版。
SenseNova-Vision-7B-MoT，现已完全开源：一个模型，覆盖以下所有主要视觉任务： 🔹检测 / OCR / GUI 🔹深度与法线 🔹分割 🔹多视图
它还能通过自然语言定义全新的视觉任务变体--跨越传统任务边界，重新组合视觉能力。
开源内容包括：模型权重 + SenseNova-Vision 语料库（含 5000 万样本子集，以及用于复现其余公开来源数据的完整工具包），供研究与开发使用。
🤗 HF：https://huggingface.co/sensenova/SenseNova-Vision-7B-MoT 🔧GitHub：https://github.com/OpenSenseNova/SenseNova-Vision 💻 试用演示：https://huggingface.co/spaces/sensenova/SenseNova-Vision 📋技术报告：https://arxiv.org/abs/2607.06560 👾Discord：http://discord.gg/BuTXPHmQub
来源：SenseTime· x.com