作者｜冰拿鐵
編輯｜星奈
媒體｜AI大模型工場(chǎng)
“君子之學(xué)必日新。日新者，日進(jìn)也?！碑?dāng)下，AI創(chuàng)新浪潮翻涌，奔向AGI的星辰大海，追光路上，多模態(tài)、深度推理競技逐漸成為行業(yè)重心：一方面，多模態(tài)走到舞臺(tái)中央，從 Gemini 2.0、GPT 4.5 到最近剛發(fā)布的 Llama 4，可以看到國際主流機(jī)構(gòu)持續(xù)提升原生多模態(tài)能力的清晰脈絡(luò)。這背后的底層邏輯是，多模態(tài)大模型通過更廣泛、更深度的信息交互與整合，可以為用戶更完整的場(chǎng)景價(jià)值。
另一方面，深度推理能力成為技術(shù)競賽的核心焦點(diǎn)，畢竟這是讓大模型切入高價(jià)值業(yè)務(wù)場(chǎng)景的關(guān)鍵技術(shù)基礎(chǔ)。不過，目前業(yè)界對(duì)推理能力的關(guān)注主要在數(shù)理求解等純文本推理任務(wù)上，但要實(shí)現(xiàn)推理能力在更廣泛場(chǎng)景的落地，就需要多模態(tài)和推理的緊密結(jié)合。
誰能扛起“多模態(tài)+深度推理”雙重大旗？如今，“扛把子玩家”來了——4月10日，“2025 商湯技術(shù)交流日”舉行，推出主打“強(qiáng)推理”的全新日日新 6.0 AI 模型，性能預(yù)期對(duì)標(biāo)Gemini 2.0 Pro。
作為商湯日日新大模型體系最新版本的基礎(chǔ)模型，日日新SenseNova V6具備深度推理與多模態(tài)理解能力，適用于辦公、教育、文旅、自動(dòng)駕駛等場(chǎng)景。
在獨(dú)立評(píng)測(cè)中，多模態(tài)和語言深度推理任務(wù)上同時(shí)超過了 OpenAI 的 o1 和 Gemini 2.0 flash-thinking 的水平。
同時(shí)，日日新SenseNova V6創(chuàng)新實(shí)現(xiàn)“慢思考”深度分析，推動(dòng)多模態(tài)AI邁向更高智能。不止于此，商湯日日新SenseNova V6的交互版本「SenseNova V6 Omni」發(fā)布，擁有強(qiáng)大的實(shí)時(shí)交互、視覺識(shí)別、記憶思考、 持續(xù)對(duì)話和復(fù)雜推理等能力，進(jìn)一步強(qiáng)化AI的陪伴感、沉浸感，讓每次互動(dòng)更加智能與貼心。
茍日新，日日新，又日新。如今，超越自己、代表中國競逐國際賽場(chǎng)的日日新6.0版本又帶來了哪些新驚喜？
一、日日新SenseNova V6：多模態(tài)+強(qiáng)推理雙殺！
在當(dāng)下，多模態(tài)能力為何成為行業(yè)競逐重點(diǎn)？這是由于真實(shí)業(yè)務(wù)場(chǎng)景（如自動(dòng)駕駛、工業(yè)制造、金融分析）中的信息天然是多模態(tài)交織的，例如視頻包含視覺和時(shí)序信息，金融報(bào)告融合文本、表格、圖表等。傳統(tǒng)單一語言模型僅能處理文本，無法完整理解這些復(fù)雜場(chǎng)景。
而作為國內(nèi)率先實(shí)現(xiàn)多模態(tài)下的深度思考能力的大模型，日日新具有多模態(tài)原生優(yōu)勢(shì)，相較那些雖然會(huì)深度思考但缺乏多模態(tài)能力、“五感未打通”的大模型，贏在起跑線上：
日日新SenseNova V6作為擁有6200億參數(shù)的MoE融合模態(tài)大模型，在一個(gè)統(tǒng)一的模型框架內(nèi)，實(shí)現(xiàn)了圖片、文本、視頻能力的原生統(tǒng)一，突破傳統(tǒng)多模態(tài)分立局限，引領(lǐng)AI技術(shù)革新。
如今，憑借多模態(tài)的原生融合優(yōu)勢(shì)，商湯日日新SenseNova V6的多模態(tài)理解、推理和交互能力大幅升級(jí)，疊加強(qiáng)推理、強(qiáng)交互、長記憶等能力BUFF，率先實(shí)現(xiàn)多模態(tài)下的深度思考。
長思維鏈維度，超過 200B 高質(zhì)量多模態(tài)長思維鏈數(shù)據(jù)，最長 64K 思維鏈；數(shù)理能力維度，數(shù)據(jù)分析能力大幅領(lǐng)先 GPT-4o；推理能力維度，多模態(tài)深度推理國內(nèi)第一，對(duì)標(biāo) OpenAI o1；全局記憶維度，率先在國內(nèi)突破長視頻理解，支持10分鐘的視頻理解及深度推理。
在權(quán)威的推理能力及多模態(tài)能力評(píng)測(cè)中，「日日新 V6」在多個(gè)維度獲得SOTA：
【核心指標(biāo)】純文本任務(wù)綜合性能優(yōu)秀，比肩國際一線模型；多模態(tài)性能領(lǐng)先，各方面性能突出；純文本推理與多模態(tài)推理能力均取得SOTA
【強(qiáng)推理能力】日日新融合模型從 5.5 到 V6 / V6 Reasoner，推理能力顯著提升。在獨(dú)立評(píng)測(cè)中，多模態(tài)和語言深度推理任務(wù)上同時(shí)超過了 OpenAI 的 o1 和 Gemini 2.0 flash-thinking 的水平。
實(shí)測(cè)中，日日新可以get到emoji中有趣的梗，比如這個(gè)張梗圖：
這么抽象的圖也是被“商量”玩明白了。
也能做到根據(jù)圖片給出裝修建議，把我們公司雜亂的一角喂給它：
可以看到他從安全隱患到視覺審美再到家居智能化都給出了詳細(xì)的建議。
復(fù)雜繁瑣的文檔處理場(chǎng)景遇上多模態(tài)強(qiáng)推理AI，效率提升翻倍，也可來商湯辦公小浣熊體驗(yàn)：https://xiaohuanxiong.com/officev2/
值得一提的是，日日新SenseNova V6是首個(gè)支持10分鐘中長視頻深度解析的大模型：隨著互聯(lián)網(wǎng)技術(shù)的飛速發(fā)展，視頻已成為大眾獲取信息與知識(shí)的主流方式。相較于傳統(tǒng)文本形式，視頻融合了圖像、語言、動(dòng)作及場(chǎng)景等多模態(tài)信息，能夠更加直觀、生動(dòng)、沉浸式地實(shí)現(xiàn)知識(shí)的立體化傳播。然而，這種信息密度的躍升也使得視頻的理解門檻更高，對(duì)AI技術(shù)提出了更加復(fù)雜的挑戰(zhàn)。
而商湯日日新SenseNova V6是國內(nèi)首個(gè)支持10分鐘中長視頻深度解析的大模型，視頻理解能力國內(nèi)最強(qiáng)，基礎(chǔ)性能逼近Gemini 2.5 Turbo，同時(shí)支持視頻中的音頻+視頻的混合模態(tài)分析。
比如，打開商量視頻助手，上傳柯南劇集，其能概述劇情以及柯南破案經(jīng)過，成為最佳追劇搭子：
再比如，上傳視頻，輸入“請(qǐng)幫我剪輯視頻中的片段，包含任意由客戶指定的場(chǎng)景，提取相關(guān)片段，標(biāo)明時(shí)間范圍，并為每個(gè)片段配上解說文案，用戶場(chǎng)景為：進(jìn)球時(shí)刻”，商量就能聚焦進(jìn)球時(shí)刻的核心場(chǎng)景，精選最具張力的破門瞬間與戰(zhàn)術(shù)配合段落。
而且這位AI剪輯師還有一套專業(yè)的技術(shù)方法論：通過「慢動(dòng)作特寫+多視角切換視覺沖擊，配合數(shù)據(jù)可視化包裝(如射門軌跡熱區(qū)圖)，最終呈現(xiàn)FIFA Online3賽事解說的專業(yè)性與游戲足球的美感。
（恐怖如斯，我司剪輯已經(jīng)汗流浹背了?。?/strong>
再投喂一個(gè)視頻，指令是以列表形式輸出視頻中必買好物，格式為“序號(hào)、物件、原因及用途”。AI很快指出是一位裝修達(dá)人分享的裝修開工需要提前準(zhǔn)備的小物件清單，隨后列出了十個(gè)需要網(wǎng)購的物品：錢(開玩笑)、網(wǎng)錢，水井房鑰匙……
最絕的是，它能分辨出“買錢”是開玩笑！
一套測(cè)評(píng)下來，能看到日日新的大幅飛躍：傳統(tǒng)視頻分析多依賴單一模態(tài)，如僅視覺或音頻的淺層特征提取，而日日新V6通過混合模態(tài)分析，實(shí)現(xiàn)了對(duì)視頻中非結(jié)構(gòu)化信息的立體化解析；
同時(shí)，支持10分鐘中長視頻解析，意味著模型需具備長上下文記憶與動(dòng)態(tài)場(chǎng)景建模能力，通過先進(jìn)的模態(tài)信息壓縮技術(shù)，實(shí)現(xiàn)長時(shí)域信息的連貫推理，在超長視頻中保持對(duì)關(guān)鍵事件（如會(huì)議記錄、教學(xué)演示）的持續(xù)追蹤，避免信息斷層，這標(biāo)志著AI從“片段式理解”向“全局認(rèn)知”的躍遷。
這一視頻解析能力突破，不僅是技術(shù)層面的里程碑，更開啟了“視頻即數(shù)據(jù)庫”的新時(shí)代。好比文字識(shí)別技術(shù)對(duì)紙質(zhì)文檔的數(shù)字化革命，有望重構(gòu)用戶與視頻信息的交互范式，并滲透至產(chǎn)業(yè)毛細(xì)血管，成為驅(qū)動(dòng)數(shù)字經(jīng)濟(jì)的新引擎。
那么，應(yīng)用層面，基于商湯日日新SenseNova V6、全新升級(jí)的交互版本SenseNova V6 Omni帶來了哪些驚喜？
二、實(shí)測(cè)全新升級(jí)交互版本SenseNova V6 Omni：感知、情感理解更擬人！
商湯認(rèn)為，大模型在商業(yè)應(yīng)用上有兩個(gè)方面的關(guān)鍵價(jià)值：一是融入真實(shí)的業(yè)務(wù)應(yīng)用，具備處理復(fù)雜信息和解決復(fù)雜問題的能力；二是以更有親和力的方式與人交互，讓人感受到和模型交流的良好體驗(yàn)，愿意和模型持續(xù)交流。
這在「SenseNova V6 Omni」上體現(xiàn)得恰如其分——其擁有國內(nèi)最強(qiáng)的多模態(tài)交互能力，是國內(nèi)首個(gè)商業(yè)化的全模態(tài)實(shí)時(shí)交互模型。
SenseNova V6 Omni具備高度擬人化的感知、表達(dá)和情感理解能力，可針對(duì)不同的對(duì)話內(nèi)容和場(chǎng)景需求，即時(shí)靈活地切換語氣、情感與音調(diào)，同時(shí)還擁有強(qiáng)大的實(shí)時(shí)交互、視覺識(shí)別、記憶思考、持續(xù)對(duì)話和復(fù)雜推理等能力。
比如，數(shù)學(xué)解題場(chǎng)景，基于強(qiáng)大的音視頻溝通能力，SenseNova V6 Omni支持手寫答案識(shí)別和深度思考，可通過多步驟的縝密思考提高解題準(zhǔn)確性。
基于其創(chuàng)新打造的“一對(duì)一講解能力”，SenseNova V6 Omni如同個(gè)性化數(shù)學(xué)私教，可幫助用戶快速了解解題過程中的失誤和疏漏，并以引導(dǎo)提問的方式為用戶逐步剖析解題思路，還支持語音實(shí)時(shí)答疑，隨時(shí)解答用戶在解題過程中遇到的問題。
這不僅有望降低優(yōu)質(zhì)教育資源獲取門檻，還能通過數(shù)據(jù)積累優(yōu)化教學(xué)策略，推動(dòng)“因材施教”在AI時(shí)代的規(guī)模化落地。
再比如，點(diǎn)讀翻譯場(chǎng)景，在音視頻通話模式下，SenseNova V6 Omni可對(duì)用戶指尖指向位置的文字進(jìn)行精準(zhǔn)翻譯，帶來“指哪兒翻哪兒”的即時(shí)語言轉(zhuǎn)換體驗(yàn)。
據(jù)悉，結(jié)合中英文翻譯能力，可以實(shí)現(xiàn)接近100%的點(diǎn)讀翻譯準(zhǔn)確率，同時(shí)，突破傳統(tǒng)的手動(dòng)選框或輸入操作翻譯模式，讓翻譯過程更高效、更流暢，交互更自然，完美契合“所見即所得”的認(rèn)知習(xí)慣。在教育場(chǎng)景中，這種能力有望應(yīng)用于雙語教材閱讀、外文文獻(xiàn)研究等領(lǐng)域，提升學(xué)習(xí)效率的同時(shí)降低認(rèn)知負(fù)荷。例如，學(xué)生閱讀英文原版書時(shí)，指尖觸碰即可生成詞匯卡，結(jié)合上下文語境提供精準(zhǔn)釋義。
文旅講解維度，SenseNova V6 Omni可擔(dān)任“擬人化導(dǎo)游”，通過“視覺+語言”的多模態(tài)信息融合方式為用戶帶來沉浸式的文旅場(chǎng)景介紹。
在探尋文明密碼、叩問“何以中國”蔚然成風(fēng)、各地掀起文旅熱的當(dāng)下，這一技能無疑為文化遺產(chǎn)的數(shù)字化保護(hù)與傳播提供新工具，期待未來，博物館、文化遺址等機(jī)構(gòu)開發(fā)虛實(shí)融合的導(dǎo)覽項(xiàng)目，吸引年輕群體關(guān)注傳統(tǒng)文化。
從技術(shù)演進(jìn)角度看，SenseNova V6 Omni的突破不僅在于多模態(tài)能力本身，更在于其通過“感知-決策-交互”閉環(huán)重構(gòu)人機(jī)關(guān)系，有望推動(dòng)各行業(yè)從“工具輔助”階段邁向“智能協(xié)同”新紀(jì)元。
三、訓(xùn)練成本、推理成本業(yè)界最低、優(yōu)于DeepSeek：再燃AI普惠之火！
為什么多模態(tài)+深度思考時(shí)代，商湯能領(lǐng)跑賽道、為AGI時(shí)代的產(chǎn)業(yè)升級(jí)奠定基礎(chǔ)？這得益于商湯對(duì)多模態(tài)的精準(zhǔn)判斷與果斷押注：商湯認(rèn)為，融合多模態(tài)是未來的一條必由之路，其技術(shù)最顯著的特點(diǎn)是「單一模型，多模態(tài)融合」。而這種“單一模型融合多模態(tài)的技術(shù)路徑”也為國際頂尖頭部玩家趨之若鶩，GPT-4o、Claude 3.5、Gemini 2.0都采用了類似路徑。
值得一提的是，得益于商湯大裝置與大模型的協(xié)同優(yōu)化，實(shí)現(xiàn)“模型 - 系統(tǒng) - 計(jì)算”的垂直整合，商湯日日新SenseNova V6的訓(xùn)練和推理效率顯著提升，成本大幅降低，整體推理成本達(dá)到行業(yè)最低，優(yōu)于DeepSeek。
惟創(chuàng)新者進(jìn)，惟創(chuàng)新者強(qiáng)。日拱一卒無有盡，功不唐捐終入海：如今，商湯等企業(yè)不斷更新、降本提質(zhì)，通過資源垂直整合實(shí)現(xiàn)效率提升與成本優(yōu)化，讓AI從“可用”向“易用”“普惠”階段跨越，通過“日日新”體系的持續(xù)迭代，商湯正在構(gòu)建AGI時(shí)代的基礎(chǔ)設(shè)施。如商湯科技聯(lián)合創(chuàng)始人徐立所言:“AI之道，在于百姓之日用。商湯日日新V6將跨越多模態(tài)邊界，釋放推理與智能的無限可能。”期待未來，如徐立所言，其在模型的迭代速度及處理問題的能力上可以日日更新，不斷解鎖AGI的更多可能。
熱門跟貼