量子位
·
商汤开源 SenseNova-MARS，突破多模态搜索推理天花板
内容提要
商汤开源的SenseNova-MARS模型在多模态搜索与推理中表现优异，得分69.74，超越Gemini-3-Pro和GPT-5.2。该模型支持动态视觉推理和图文搜索，具备自主规划和高效工具调用能力，推动AI实际应用。
关键要点
-
商汤开源的SenseNova-MARS模型在多模态搜索与推理中得分69.74，超越Gemini-3-Pro和GPT-5.2。
-
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，具备自主规划和工具调用能力。
-
在多个基准测试中，SenseNova-MARS取得SOTA成绩，全面领先于顶级闭源模型。
-
模型在MMSearch和HR-MMSearch等评测中表现优异，尤其在细粒度视觉分析方面。
-
SenseNova-MARS能够解决复杂的多步骤推理和多工具协作问题，提升工作效率。
-
模型采用因材施教的训练方法，通过自动化数据合成和强化学习来提升能力。
-
商汤全开源SenseNova-MARS模型、代码和数据集，支持Hugging Face下载。
延伸解读
多模态推理的突破
SenseNova-MARS模型在多模态搜索与推理领域的表现，标志着技术的重大进步。其动态视觉推理和图文搜索的深度融合，使得AI在处理复杂任务时更具灵活性和效率。这一突破不仅提升了模型的实用性，也为未来的AI应用提供了新的可能性。
自主规划与工具调用的优势
SenseNova-MARS具备自主规划和多工具调用的能力，能够高效解决复杂的多步骤推理问题。这种能力使得AI在实际应用中能够更好地应对真实场景中的挑战，提升工作效率，尤其是在需要细致分析和信息检索的任务中。
开源的意义与影响
商汤将SenseNova-MARS全开源，意味着更多开发者和行业用户可以参与到模型的测试与应用中。这种开放性不仅促进了技术的共享与创新，也为AI领域的进一步发展提供了良好的基础，推动了多模态技术的普及。
延伸问答
SenseNova-MARS模型的主要特点是什么？
SenseNova-MARS模型支持动态视觉推理和图文搜索深度融合，具备自主规划和工具调用能力。
SenseNova-MARS在多模态搜索中的表现如何？
SenseNova-MARS在多模态搜索与推理的基准测试中得分69.74，超越Gemini-3-Pro和GPT-5.2，表现优异。
SenseNova-MARS如何解决复杂的多步骤推理问题？
SenseNova-MARS能够自主调用多种工具，完成复杂的多步骤推理任务，如识别细节、查询信息等。
SenseNova-MARS的训练方法是什么？
SenseNova-MARS采用因材施教的训练方法，通过自动化数据合成和强化学习来提升能力。
SenseNova-MARS在图文搜索评测中的得分如何？
在MMSearch评测中，SenseNova-MARS以74.27分登顶，显著超越GPT-5.2的66.08分。
如何获取SenseNova-MARS模型及其代码？
SenseNova-MARS模型、代码和数据集全开源，支持在Hugging Face上下载。
