商汤开源 SenseNova-Vision-7B-MoT 多任务视觉模型

商汤发布并完全开源 SenseNova-Vision-7B-MoT。该模型统一处理检测、OCR、GUI、深度与法线估计、分割及多视图等视觉任务。

公开材料称，该模型可通过自然语言定义新的视觉任务变体，并跨传统任务边界重组视觉能力，定位于统一处理多类主要视觉任务。

Aioga 判断，其值得关注之处在于将多类视觉任务纳入同一模型，并允许以自然语言定义任务变体；实际效果仍需结合后续公开验证判断。

Aioga 判断，模型权重、语料子集及数据复现工具包的同步开放，可能为研究者开展复现、任务适配和跨任务实验提供公开基础。 值得关注后续是否出现基于公开权重与语料工具包的独立复现，以及模型在检测、OCR、GUI、分割和多视图等任务中的公开测试结果。