商汤开源多任务视觉模型 SenseNova-Vision-7B-MoT

OmniTools 7月14日消息，商汤科技正式开源 SenseNova-Vision-7B-MoT 多任务视觉模型。该模型可统一处理目标检测、OCR、GUI 理解、深度与法线估计、图像分割、多视图几何等主流视觉任务。

模型支持通过自然语言指令定义新任务变体，具备跨传统任务边界重组视觉能力的灵活性。开源内容包括完整模型权重，以及 SenseNova-Vision Corpus 数据集——含 5000 万示例子集，并提供复现其余公开数据的完整工具包。