// 01 SenseNova-Vision 是什么
快速结论
SenseNova-Vision（商汤 · OpenSenseNova）是一款统一的多模态视觉大模型：一个模型覆盖目标检测、OCR、关键点、深度估计、分割、多视图重建等 15+ 视觉任务，无需为每个任务单独设计输出头。它用 70 亿参数、混合 token 架构，支持文本/图像/图文混合输出，按 Apache 2.0 开源、免费。2026-07-08 发布，含权重、推理代码、5000 万训练数据与技术报告，魔搭有镜像、国内可用。
适合谁优先使用
- 做计算机视觉、需要"一个模型打多任务"的研究者与工程团队
- 要 OCR / 检测 / 分割 / 深度等多视觉能力又不想拼多个模型的开发者
- 想要开源可商用（Apache 2.0）视觉基座的企业
- 用自然语言定义视觉任务变体的应用方
核心能力拆解
统一多任务
单模型覆盖检测、OCR、关键点、深度、分割、多视图重建等 15+ 视觉任务。
检测表现
COCO 上目标检测 56.6 mAP。
混合 token 架构
70 亿参数，支持文本、图像及图文混合输出。
语言定义任务
用自然语言指令切换/定义任务变体，无需任务专用头。
和同类工具怎么选
| 需求 | 优先考虑 | 判断标准 |
|---|---|---|
| 一个模型打通多视觉任务 | SenseNova-Vision | 是否要多任务通才 + 开源可商用 |
| 单一任务极致精度 | 各任务专用 SOTA 模型 | 是否可接受多模型拼装 |
| 视觉理解 + 对话 | Qwen-VL / GLM-V 等 VLM | 是否更需要多模态对话 |
限制与避坑
- 通才模型在单一任务上可能不敌该任务专用 SOTA，精度敏感场景需评测。
- 面向研究与工程部署，需自行接入，非消费级产品。
- 版本较新（2026-07-08），生产用前确认权重与代码稳定性。
NavXD 使用建议
要一个"开源可商用、一个模型打通检测/OCR/分割/深度"的视觉通才基座，SenseNova-Vision 很省事；对单任务精度极致的场景，仍建议专用模型兜底。
常见问题
SenseNova-Vision 国内能用吗？
能，魔搭（ModelScope）有镜像，Apache 2.0 开源免费。
// 02 核心 功能
- 核心定位商汤的统一多模态视觉大模型，一个模型打通 15+ 视觉任务，Apache 2.0 开源。
- 分类索引当前归档在 AI 图像，方便和同频工具横向比较。
- 能力标签关联标签包括 开源、多模态、OCR、商汤、视觉大模型、目标检测。
- 使用入口已记录可访问入口，可通过本页主按钮跳转。
// 03 使用 场景
- 快速判断是否适合当前任务结合 AI 图像 定位和 开源、多模态、OCR 标签，先判断它是否匹配你的工作流。
- 横向比较同类工具从相同分类和标签继续探索替代工具，减少只看单个产品带来的选择偏差。
- 沉淀工具选型资料把官网入口、平台、版本和 NavXD 标签合并成一页，适合做选型记录或团队分享。
// 04 常见 问题
SenseNova-Vision 是什么？
商汤的统一多模态视觉大模型，一个模型打通 15+ 视觉任务，Apache 2.0 开源。
SenseNova-Vision 适合哪些场景？
可优先参考它所属的 AI 图像 分类，以及 开源、多模态、OCR、商汤、视觉大模型 等标签。
SenseNova-Vision 是否提供可用入口？
本页已记录官网或下载入口，可通过顶部主按钮访问。
SenseNova-Vision 支持哪些平台？
当前记录为网页工具，通常可通过浏览器访问。
