多模态大模型的研发范式，正在被彻底重构。
今天，商汤科技联合南洋理工大学发布了最新技术成果：NEO-unify。
这是一套真正实现“原生、统一、端到端”的多模态模型架构，其最核心的突破在于：
彻底砍掉了长期以来行业依赖的视觉编码器（VE）和变分自编码器（VAE）。不再通过“组件拼凑”来实现感知与生成，回归第一性原理，直接以近乎无损的像素和文字作为原生输入。
通过创新的混合变换器（Mixture-of-Transformer, MoT）架构，该模型在同一个体系内打通了视觉与语言的“理解+生成”双向能力。 彻底告别VE与VAE！商汤硬核重构多模态：砍掉所有中间编码器
