商汤开源 SenseNova-Vision-7B-MoT

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）。

商汤开源 SenseNova-Vision-7B-MoT，该模型将计算机视觉重构为多模态生成，无需任务专用头即可达到 SOTA，在分割与密集几何任务上超越 Google DeepMind 的 Vision Banana。具体对比：Referring segmentation（RefCOCOg cIoU）80.3 vs 73.8，Semantic segmentation（Cityscapes mIoU）71.2 vs 69.9，Depth estimation（NYUv2 δ1）98.1 vs 94.8，Surface normal（NYUv2 mean error）14.4 vs 17.8。模型支持语言或视觉提示引导，基于商汤十年 CV 积累。新任务由指令定义，而非新模型头。