今日，商湯正式開(kāi)源多模態(tài)自主推理模型 SenseNova-MARS（8B/32B 雙版本），其在多模態(tài)搜索與推理的核心基準(zhǔn)測(cè)試中以 69.74 分超越Gemini-3-Pro（69.06 分）、GPT-5.2（67.64 分）。

SenseNova-MARS是首個(gè)支持動(dòng)態(tài)視覺(jué)推理和圖文搜索深度融合的 Agentic VLM 模型，它能自己規(guī)劃步驟、調(diào)用工具，輕松搞定各種復(fù)雜任務(wù)，讓AI真正具備“執(zhí)行能力”。

在 MMSearch、HR-MMSearch、FVQA、InfoSeek、SimpleVQA、LiveVQA等基準(zhǔn)測(cè)試中，SenseNova-MARS取得開(kāi)源模型中的SOTA 成績(jī)，還超越Gemini-3.0-Pro、GPT-5.2等頂級(jí)閉源模型，在搜索推理和視覺(jué)理解兩大核心領(lǐng)域全面領(lǐng)跑。更多細(xì)節(jié)請(qǐng)參見(jiàn)技術(shù)報(bào)告（https://arxiv.org/abs/2512.24330），歡迎開(kāi)發(fā)者、各行業(yè)用戶測(cè)試與體驗(yàn)。

全能冠軍，自主解決復(fù)雜問(wèn)題

SenseNova-MARS在多項(xiàng)多模態(tài)搜索評(píng)測(cè)中展現(xiàn)出明顯的領(lǐng)先優(yōu)勢(shì)，平均得分達(dá)到 69.74 分，成功超過(guò)了 Gemini-3-Pro 的 69.06 分與 GPT-5.2 的 67.64 分。

在MMSearch 榜單（圖文搜索核心評(píng)測(cè)）中，模型以 74.27 分登頂，超越GPT-5.2（66.08 分）；HR-MMSearch（高清細(xì)節(jié)搜索評(píng)測(cè)）中 54.43 分領(lǐng)先，顯著拉開(kāi)與閉源模型的差距。

HR-MMSearch的測(cè)試題目堪稱“AI界的奧林匹克”：采用305張2025年最新的4K超高清圖片，確保AI無(wú)法依賴舊知識(shí)“作弊”；所有問(wèn)題都針對(duì)圖片中占比不到5%的細(xì)節(jié)，比如小標(biāo)志、小字、微小物體，必須用圖像裁剪工具才能看清；覆蓋體育、娛樂(lè)文化、科學(xué)技術(shù)、商業(yè)金融、游戲、學(xué)術(shù)研究、地理旅行等八大領(lǐng)域，60%的問(wèn)題都需要至少使用三種工具才能解答。

簡(jiǎn)單說(shuō)，無(wú)論是需要“查遍全網(wǎng)”的知識(shí)密集型任務(wù)，還是需要“火眼金睛”的細(xì)粒度視覺(jué)分析，它都是當(dāng)前的“全能冠軍”。

用組合拳，解決真實(shí)場(chǎng)景問(wèn)題

SenseNova-MARS還能實(shí)實(shí)在在落地到我們生活和工作的場(chǎng)景，解決需要“多步驟推理+多工具協(xié)作”的問(wèn)題。

普通AI的工具調(diào)用，要么只能搜文字，要么只能看圖片，遇到需要“先放大細(xì)節(jié)、再識(shí)別物體、最后查背景”的復(fù)雜任務(wù)就束手無(wú)策。

面對(duì)識(shí)別賽車服微小logo +查詢公司成立年份+匹配車手出生年月+計(jì)算差值’的復(fù)雜任務(wù)，SenseNova-MARS可自主調(diào)用圖像裁剪、文本/圖像搜索工具，無(wú)需人工干預(yù)完成閉環(huán)解答。

SenseNova-MARS能從產(chǎn)品和行業(yè)峰會(huì)的照片中，識(shí)別企業(yè)的標(biāo)志，快速搜集產(chǎn)品、企業(yè)的信息，以及時(shí)間、數(shù)量、參數(shù)等細(xì)節(jié)要素，輔助分析行業(yè)情況和格局。

SenseNova-MARS能從賽事照片中識(shí)別畫(huà)面中的logo、人物等信息，追溯比賽或人員背景信息，幫助快速補(bǔ)充重要細(xì)節(jié)。

SenseNova-MARS甚至能夠輕松處理，這類超長(zhǎng)步驟的多模態(tài)推理，和超過(guò)三種工具調(diào)用，自動(dòng)裁剪分析細(xì)節(jié)、搜索相關(guān)研究數(shù)據(jù)，快速驗(yàn)證假設(shè)，得出關(guān)鍵判斷。

擁有這種“自主思考+多工具協(xié)作”的能力，SenseNova-MARS能夠自動(dòng)解決“細(xì)節(jié)識(shí)別 + 信息檢索 + 邏輯推理”復(fù)雜任務(wù)，幫助實(shí)現(xiàn)工作效率提升。

圖像裁剪：能精準(zhǔn)聚焦圖片上的微小細(xì)節(jié)，哪怕是占比不到5%的細(xì)節(jié)——比如賽車手衣服上的微小logo、賽事照片里觀眾席的標(biāo)語(yǔ)，都可通過(guò)裁剪放大清晰分析。

圖像搜索：能在看到物體、人物或場(chǎng)景，的瞬間自動(dòng)匹配相關(guān)信息——比如識(shí)別出賽車手的身份，或是某款冷門(mén)設(shè)備的型號(hào)。

文本搜索：能快速抓取精準(zhǔn)信息——無(wú)論是公司成立年份、人物出生年月，還是最新的行業(yè)數(shù)據(jù)，都能秒級(jí)獲取。

從練中學(xué)，形成“經(jīng)驗(yàn)”和“直覺(jué)”

SenseNova-MARS采用了“因材施教”的訓(xùn)練方法。

第一階段：打基礎(chǔ)。針對(duì)跨模態(tài)多跳搜索推理訓(xùn)練數(shù)據(jù)稀缺的痛點(diǎn)，創(chuàng)新性的提出了基于多模智能體的自動(dòng)化數(shù)據(jù)合成引擎，采用細(xì)粒度視覺(jué)錨點(diǎn)+ 多跳深度關(guān)聯(lián)檢索的機(jī)制，動(dòng)態(tài)挖掘并關(guān)聯(lián)跨網(wǎng)頁(yè)實(shí)體的邏輯，自動(dòng)化構(gòu)建高復(fù)雜度的多跳推理鏈路，同時(shí)引入閉環(huán)自洽性校驗(yàn)來(lái)去除幻覺(jué)數(shù)據(jù)，構(gòu)造出具備嚴(yán)密邏輯鏈條與高知識(shí)密度的多跳搜索問(wèn)答數(shù)據(jù)。用精心篩選的“高難度案例”做教材，每個(gè)案例都標(biāo)注了“該用什么工具、步驟是什么”，讓AI先學(xué)會(huì)基本的“破案邏輯”。這些案例都是從海量數(shù)據(jù)中挑出的“硬骨頭”，確保AI一開(kāi)始就接觸真實(shí)復(fù)雜場(chǎng)景。

第二階段：練實(shí)戰(zhàn)。采用“強(qiáng)化學(xué)習(xí)”——就像偵探在一次次破案中積累經(jīng)驗(yàn)，AI每做對(duì)一次決策（比如選對(duì)工具、步驟合理）就會(huì)獲得獎(jiǎng)勵(lì)，做錯(cuò)了就調(diào)整策略。為了避免AI“學(xué)偏”，研究團(tuán)隊(duì)還加了個(gè)“穩(wěn)定器”——BN-GSPO算法，讓它在處理簡(jiǎn)單題和復(fù)雜題時(shí)都能保持穩(wěn)定進(jìn)步，不會(huì)出現(xiàn)“偏科”。 這種基于雙階段歸一化的優(yōu)雅機(jī)制有效平滑了動(dòng)態(tài)工具調(diào)用返回分布多樣性帶來(lái)的優(yōu)化波動(dòng)并確保了學(xué)習(xí)信號(hào)分布的一致性，從而成功解決了跨模態(tài)多步多工具智能體訓(xùn)練過(guò)程中的收斂性難題。

經(jīng)過(guò)這樣的訓(xùn)練，AI不僅學(xué)會(huì)了用工具，更培養(yǎng)"工具使用直覺(jué)"——知道在什么情況下應(yīng)該使用哪些工具，以及如何將不同工具的結(jié)果有機(jī)結(jié)合起來(lái)。

模型、代碼、數(shù)據(jù)全開(kāi)源

商湯日日新SenseNova-MARS模型、代碼、數(shù)據(jù)集全開(kāi)源，支持 Hugging Face 直接下載。

Github 倉(cāng)庫(kù)：

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

模型倉(cāng)庫(kù)：

32B：

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

8B：

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

技術(shù)報(bào)告點(diǎn)擊“閱讀原文”