SenseTime发布SenseNova-MARS：开启多模态自主推理新篇章

概览

2026年1月29日，商汤科技（SenseTime）正式宣布开源其多模态自主推理模型SenseNova-MARS，并同步推出8B和32B两个版本。该模型的发布标志着多模态大模型在自主推理领域迈出了关键一步。

技术突破：首个Agentic VLM模型

SenseNova-MARS在技术架构上实现了显著创新，成为业界首个将动态视觉推理与图文搜索能力融合的Agentic VLM（智能体视觉语言模型）。

• 自主推理能力：模型不仅能理解图像内容，更具备类似智能体的自主规划与推理能力。
• 深度集成：通过将实时搜索能力整合到视觉理解过程中，模型能够处理需要外部知识支持的复杂视觉任务。

行业影响与意义

商汤科技决定开源两个版本，旨在为全球开发者提供更灵活的研究工具：

• 8B版本：在性能与效率之间取得平衡，适合部署在边缘设备或计算资源有限的环境中。
• 32B版本：提供更强的逻辑推理能力，满足复杂行业应用的需求。

数据与深度观点

1. 技术趋势：SenseNova-MARS的发布，表明多模态大模型的发展正从“感知理解”向“自主推理与决策”的智能体方向演进。将搜索能力内嵌于模型，是解决模型知识实时性与广度限制的有效路径。
2. 开源策略：商汤在短期内连续开源多款模型（如2025年11月的SenseNova-SI系列），显示出其通过开源构建生态、推动技术普及并吸引开发者社区的明确战略。提供不同规模的版本，有助于技术在不同算力层级的快速落地。
3. 行业竞争：在小米、字节跳动等公司也纷纷推出各自多模态模型的背景下，商汤通过强调模型的“自主推理”和“智能体”特性，试图在技术差异化上建立优势。32B版本瞄准复杂工业应用，可能意在争夺高端企业级市场。

背景关联

• 2025年11月，商汤曾发布开源空间智能大模型SenseNova-SI系列（含2B和8B版本），在权威评测中性能超越GPT-5等国际顶级闭源模型。
• 同期，小米开源了70亿参数的多模态模型MiMo-VL，并推出能联动智能家居的AI助手Miloco。
• 2025年10月，字节跳动引擎公布了自研的多模态大模型，用于广告审核，声称可在10分钟内智能审核90%的广告素材。

火龙果频道