今日，商汤正式开源多模态自立推理模子 SenseNova-MARS（8B/32B 双版本），其于多模态搜刮与推理的焦点基准测试中以 69.74 分逾越Gemini-3-Pro（69.06 分）、GPT-5.2（67.64 分）。

SenseNova-MARS是首个撑持动态视觉推理及图文搜刮深度交融的AgenticVLM模子，它能本身计划步调、挪用东西，轻松弄定各类繁杂使命，让AI真正具有“履行能力”。

于MMSearch、HR-MMSearch、FVQA、InfoSeek、SimpleVQA、LiveVQA等基准测试中，SenseNova-MARS取患上开源模子中的 SOTA 成就，还有逾越Gemini-3.0-Pro、GPT-5.2等顶级闭源模子，于搜刮推理及视觉理解两年夜焦点范畴周全领跑。更多细节请拜见技能陈诉（https://arxiv.org/abs/2512.24330），接待开发者、各行业用户测试与体验。

SenseNova-MARS于多项多模态搜刮评测中揭示出较着的领先上风，平均患上分到达 69.74 分，乐成跨越了 Gemini-3-Pro 的 69.06 分与 GPT-5.2 的 67.64 分。

于 MMSearch 榜单（图文搜刮焦点评测）中，模子以 74.27 分登顶，超GPT-5.2（66.08 分）；HR-MMSearch（高清细节搜刮评测）中以54.43 分领先，显著拉开与闭源模子的差距。

HR-MMSearch的测试标题问题可谓“AI界的奥林匹克”：采用305张2025年最新的4K超高清图片，确保AI没法依靠旧常识“做弊”；所有问题都针对于图片中占比不到5%的细节，好比小标记、小字、微小物体，必需用图象裁剪东西才能看清；笼罩体育、文娱文化、科学技能、贸易金融、游戏、学术研究、地舆旅行等八年夜范畴，60%的问题都需要至少利用三种东西才能解答。

简朴说，不管是需要“查遍全网”的常识密集型使命，还有是需要“火眼金睛”的细粒度视觉阐发，它都是当前的“万能冠军”。

SenseNova-MARS还有能实其实于落地到咱们糊口及事情的场景，解决需要“多步调推理+多东西协作”的问题。

平凡AI的东西挪用，要末只能搜文字，要末只能看图片，碰到需要“先放年夜细节、再辨认物体、末了查配景”的繁杂使命就一筹莫展。

面临辨认赛车服微小 Logo + 查询公司建立年份 + 匹配车手出生年代 + 计较差值’的繁杂使命，SenseNova-MARS 可自立挪用图象裁剪、文本 / 图象搜刮东西，无需人工干涉干与完成闭环解答。

SenseNova-MARS能从产物及行业峰会的照片中，辨认企业的标记，快速汇集产物、企业的信息，以和时间、数目、参数等细节要素，辅助阐发行业环境及格式。

SenseNova-MARS能从赛事照片中辨认画面中的Logo、人物等信息，追溯角逐某人员配景信息，帮忙快速增补主要细节。

SenseNova-MARS甚至可以或许轻松处置惩罚，这种超长步调的多模态推理，及跨越三种东西挪用，主动裁剪阐发细节、搜刮相干研究数据，快速验证假定，患上出要害判定。

拥有这类“自立思索+多东西协作”的能力，SenseNova-MARS可以或许主动解决“细节辨认 + 信息检索 + 逻辑推理”繁杂使命，帮忙实现事情效率晋升。

图象裁剪：能精准聚焦图片上的微小细节，哪怕是占比不到5%的细节——好比赛车手衣服上的微小Logo、赛事照片里不雅众席的口号，均可经由过程裁剪放年夜清楚阐发。

图象搜刮：能于看到物体、人物或者场景，的刹时主动匹配相干信息——好比辨认出赛车手的身份，或者是某款冷门装备的型号。

文本搜刮：能快速抓取精准信息——不管是公司建立年份、人物出生年代，还有是最新的行业数据，都能秒级获取。

SenseNova-MARS采用了“因材施教”的练习要领。

第一阶段：打基础。针对于跨模态多跳搜刮推理练习数据稀缺的痛点，立异性的提出了基在多模智能体的主动化数据合成引擎，采用细粒度视觉锚点 + 多跳深度联系关系检索的机制，动态挖掘并联系关系跨网页实体的逻辑，主动化构建高繁杂度的多跳推理链路，同时引入闭环自洽性校验往复除了幻觉数据，组织出具有周密逻辑链条与高常识密度的多跳搜刮问答数据。用精心筛选的“高难度案例”做教材，每一个案例都标注了“该用甚么东西、步调是甚么”，让AI先学会基本的“破案逻辑”。这些案例都是从海量数据中挑出的“硬骨头”，确保AI一最先就接触真实繁杂场景。

l第二阶段：练实战。采用“强化进修”——就像侦察于一次次破案中堆集经验，AI每一做对于一次决议计划（好比选对于东西、步调合理）就会得到奖励，做错了就调解计谋。为了不AI“学偏”，研究团队还有加了个“不变器”——BN-GSPO算法，让它于处置惩罚简朴题及繁杂题时都能连结不变前进，不会呈现“偏科”。 这类基在双阶段归一化的优雅机制有用光滑了动态东西挪用返回漫衍多样性带来的优化颠簸并确保了进修旌旗灯号漫衍的一致性，从而乐成解决了跨模态多步多东西智能体练习历程中的收敛性难题。

颠末如许的练习，AI不仅学会了用东西，更造就 东西利用直觉 ——知道于甚么环境下应该利用哪些东西，以和怎样将差别东西的成果有机联合起来。

模子、代码、数据全开源

商汤日日新SenseNova-MARS模子、代码、数据集全开源，撑持 Hugging Face 直接下载。

Github 堆栈：

https://github.com/OpenSenseNova/SenseNova-MARS

模子堆栈：

32B：

https://huggingface.co/sensenova/SenseNova-MARS-32B

8B

https://huggingface.co/sensenova/SenseNova-MARS-8B

技能陈诉：

https://arxiv.org/abs/2512.24330

雷峰网版权文章，未经授权禁止转载。详情见转载须知。