商汤开源的SenseNova-MARS模型，以其在多项权威评测中超越顶级闭源模型的卓越表现，成为了AI领域的新焦点。它不仅刷新了开源模型的性能天花板，也为多模态AI的应用提供了更强大的选择。
智能速览
SenseNova-MARS提供8B与32B两种参数版本，满足不同需求。
综合测试平均分达69.74，超越Gemini-3-Pro与GPT-5.2。
在MMSearch等权威图文搜索评测中登顶，大幅领先闭源模型。
集细节识别、信息检索与逻辑推理于一体，形成工作闭环。
采用强化学习与BN-GSPO算法，有效解决了模型训练收敛难题。
精华内容
这款模型并非偶然成功，其背后是独特的训练哲学与技术创新，共同铸就了其卓越的综合实力。
性能实测
在多项权威评测中，SenseNova-MARS展现了碾压性的优势。其综合测试平均分数达到69.74分，超越了Gemini-3-Pro的69.06分和GPT-5.2的67.64分。
在更专业的MMSearch（图文搜索核心评测）榜单中，该模型以74.27分登顶，远超GPT-5.2的66.08分。在考验高清细节搜索能力的HR-MMSearch评测中，也以54.43分显著领先，拉开了与闭源模型的差距。
全能能力
该模型定位全能，没有明显短板。它既是“百科全书”，具备强大的知识储备；又拥有“火眼金睛”，能精准识别图像细节。
其核心优势在于能够一次性搞定细节识别、信息检索和逻辑推理，无需人工干预即可形成自动闭环，直接提升工作效率。无论是图像搜索还是文本搜索，都能轻松应对，即使是偏门知识或冷门数据也能有效检索。
训练奥秘
模型的成功源于“因材施教”的训练策略。首先通过构建高难度教材打牢基础，运用细粒度视觉锚点、多跳深度关联检索与闭环自洽性校验技术，确保模型逻辑严密且知识密度高。
其次，在实战中通过“强化学习”与BN-GSPO算法“稳定器”进行训练。这种“做对就奖励、做错就调整”的机制，让模型在简单和复杂题目上都能稳步提升，完美解决了训练过程中的收敛难题。
商汤SenseNova-MARS的开源，不仅是技术的胜利，更推动了AI社区的发展。它证明了开源模型完全有能力在性能上与顶级闭源模型抗衡，未来AI领域的格局或将因此改变。
