北京
分享至
1月29日消息，商汤宣布开源多模态自主推理模型 SenseNova-MARS（8B/32B 双版本），其在多模态搜索与推理的核心基准测试中以69.74分超越Gemini-3-Pro（69.06分）、GPT-5.2（67.64分）。
据介绍，SenseNova-MARS是首个支持动态视觉推理和图文搜索深度融合的 Agentic VLM 模型，它能自己规划步骤、调用工具，轻松搞定各种复杂任务，让AI真正具备“执行能力”。
在MMSearch、HR-MMSearch、FVQA、InfoSeek、SimpleVQA、LiveVQA等基准测试中，SenseNova-MARS取得开源模型中的 SOTA 成绩，还超越Gemini-3.0-Pro、GPT-5.2等顶级闭源模型，在搜索推理和视觉理解两大核心领域全面领跑。
据介绍，模型拥有“自主思考+多工具协作”的能力，SenseNova-MARS能够自动解决“细节识别 + 信息检索 + 逻辑推理”复杂任务，帮助实现工作效率提升。
在图像裁剪方面：能精准聚焦图片上的微小细节，哪怕是占比不到5%的细节——比如赛车手衣服上的微小Logo、赛事照片里观众席的标语，都可通过裁剪放大清晰分析。
在图像搜索方面：能在看到物体、人物或场景，的瞬间自动匹配相关信息——比如识别出赛车手的身份，或是某款冷门设备的型号。
在文本搜索方面：能快速抓取精准信息——无论是公司成立年份、人物出生年月，还是最新的行业数据，都能秒级获取。(定西)
本文来源：网易科技报道
责任编辑：
丁广胜_NT1941
