人工智能视觉领域近期迎来重要进展。商汤科技正式宣布开源其多任务视觉模型 SenseNova-Vision-7B-MoT，旨在为视觉理解及 GUI 智能体开发提供强有力的基座支撑。

此次开源的模型具备出色的任务整合能力。它成功将目标检测、OCR（光学字符识别）、深度估计、法线估计、图像分割以及多视图处理等多种核心视觉任务，统一集成至一个7B 参数规模的模型中。这种架构设计不仅提升了模型的通用性，还支持通过自然语言定义全新的视觉任务变体，实现了视觉能力在传统任务边界之外的灵活重组。

为了支持社区的研究与应用，商汤此次采取了完全开源的策略。开发者不仅可以获取模型权重，还能获得包含5000万个样本的 SenseNova-Vision 语料库子集，以及一套完整的复现工具包，用于处理剩余的公开数据。

业内专家指出，SenseNova-Vision-7B-MoT 的发布并非简单的轻量化模型迭代，而是为视觉理解任务提供了一个更具扩展性的统一框架。目前，该模型的相关技术细节、代码仓库及演示空间已在 Hugging Face 和 GitHub 等平台上线，科研人员与开发者可直接调用，加速相关领域的技术创新与落地应用。

项目地址：https://github.com/OpenSenseNova/SenseNova-Vision