新智元報(bào)道

編輯：編輯部 YZNH

【新智元導(dǎo)讀】就在剛剛，商湯第六代大模型震撼升級，強(qiáng)推理、強(qiáng)交互、長記憶能力拉滿。更驚人的是，這個(gè)模型徹底了實(shí)現(xiàn)文本、圖像和視頻的原生融合，看一段幾分鐘柯南視頻，就能推斷出兇手的作案手法，推理絕了！

商湯多模態(tài)大模型，剛剛震撼升級V6。

從此，日日新SenseNova V6成為真正的原生多模態(tài)通用大模型，完全實(shí)現(xiàn)了文本、圖像和視頻的原生融合。

新升級的模型，能力值簡直拉滿，看完幾分鐘的視頻，能立馬進(jìn)行深度理解，還能給出推理分析！

比如柯南里「看不見的兇器」這集，兇手究竟是怎么下毒的？

喂一段2分多鐘的視頻，模型就給出了正確分析：兇手大概率是通過妻子每日開的車進(jìn)行間接投毒的。

在分析中，它甚至直接猜出了關(guān)鍵線索——兇手很可能是將毒藥涂抹在了空調(diào)系統(tǒng)管道中。

我們特意去名偵探柯南的動(dòng)畫中考證了一番，模型給出的，就是正確答案！

甚至，它還能自動(dòng)變成「剪刀手」，幫我們剪輯出想要的視頻片段，還給出搭配bgm的建議。

比如給它一段《黑神話·悟空》的經(jīng)典雪地打斗片段后，它就會根據(jù)要求剪出「精彩的閃躲」高光時(shí)刻，甚至為每個(gè)片段都配上了解說文案。

「歡迎來到黑神話悟空的戰(zhàn)斗世界，當(dāng)boss從飛檐縱身躍下，注意他長矛劃出的完美拋物線。」這文案實(shí)在太地道了。

在圖像理解與推理方面，它可以正確地總結(jié)出斯坦福HAI「2025 AI Index」報(bào)告中圖表的內(nèi)容，包括這一年頂尖大模型的性能趨于相近，以及競爭激烈的現(xiàn)象。

同時(shí)，它還總結(jié)出了各大模型的動(dòng)態(tài)規(guī)律，以及隱含意義，點(diǎn)出下一階段的決勝關(guān)鍵，就是差異化功能、垂直場景應(yīng)用。

在音頻通話中，我們可以隨時(shí)打斷它，它接得住各種類型的話茬，還能用開心、沮喪等各種情緒和我們說話。

它可以情緒飽滿地讀一首《滿江紅》。

手頭晦澀的英文資料，也可以請它幫忙給出介紹了，比如DeepSeek這篇論文的摘要，它看一眼就可以幫忙給出總結(jié)。

而且，這個(gè)600B的MoE模型不僅解鎖了「強(qiáng)推理、強(qiáng)交互、長記憶」的超強(qiáng)能力，還實(shí)打?qū)嵉貦M掃了各類榜單。

在純文本和多模態(tài)任務(wù)上，它在多項(xiàng)指標(biāo)上超越了GPT-4.5、Gemini 2.0 Pro，甚至全面碾壓DeepSeek V3。

從此，SenseNova V6瞬間解鎖更多高級場景，再次大大拓寬大模型的應(yīng)用邊界！

多模態(tài)「全能王」誕生

2025的AI舞臺，依舊硝煙彌漫。

單純堆砌參數(shù)的Scaling Law正走向盡頭，效率、多模態(tài)、推理能力成為了全新的競技場。

從GPT-4.5、Gemini 2.5 Pro到剛剛發(fā)布的Llama 4，全球頂尖玩家都在加碼多模態(tài)融合，而商湯也以「日日新SenseNova V6」系列，強(qiáng)勢殺入這場王者之戰(zhàn)。

綜合來看，業(yè)界大模型競爭已從量變轉(zhuǎn)向質(zhì)變，三大趨勢清晰可見：

• 效率為王，參數(shù)邊際收益越來越小，業(yè)界不再盲目擴(kuò)大參數(shù)量，而是轉(zhuǎn)向模型架構(gòu)創(chuàng)新和高密度數(shù)據(jù)合成，提升 scale斜率。

• 多模態(tài)登頂，信息融合成為核心。文字、圖像、視頻不再是割裂輸入，而是通過深度融合，帶來更完整的場景價(jià)值。

• 深度推理能力成焦點(diǎn)，更是AI切入高價(jià)值場景的關(guān)鍵。過去，推理多停留在數(shù)理求解任務(wù)上，但未來，它必須與多模態(tài)結(jié)合，才得以應(yīng)對真實(shí)世界的復(fù)雜挑戰(zhàn)。

原生多模態(tài)融合，三點(diǎn)全面突破

商湯敏銳地捕捉到這三大技術(shù)走向，以此為藍(lán)圖，才打造出SenseNova V6系列，劍指三大技術(shù)高地——

多模態(tài)長思維鏈、多模態(tài)強(qiáng)化學(xué)習(xí)、多模態(tài)全局記憶

在他們看來，真正有價(jià)值的大模型，必須要做到兩點(diǎn)：一是能融入真實(shí)業(yè)務(wù)，解決復(fù)雜問題；二是能與人自然交互，讓人愿意持續(xù)聊天。

接下來，就讓我們解剖SenseNova V6，看看這款模型憑什么敢挑戰(zhàn)全球頂尖？

基石王者：SenseNova V6 Pro/Reasoner Pro

SenseNova V6 Pro是原生多模態(tài)通用大模型，共有6000億參數(shù)，采用了MoE架構(gòu)，原生融合了文本、圖像、視頻元素，綜合性能全面開花。

在純文本和多模態(tài)任務(wù)上，SenseNova V6 Pro性能直逼Gemini 2.0 Pro和GPT-4.5。

推理版Reasoner Pro在SenseNova V6 Pro的基礎(chǔ)上，通過多模態(tài)長CoT訓(xùn)練和多模態(tài)增強(qiáng)學(xué)習(xí)，推理能力大幅提升。

相較于上一代SenseNova 5.5，Pro推理版多模態(tài)融合能力更強(qiáng)。

甚至，它能夠?qū)?biāo)OpenAI o1和Gemini 2.0 Flash-thinking，輕松破解多模態(tài)復(fù)雜任務(wù)。

此外，SenseNova V6還有面向?qū)崟r(shí)交互、視頻理解等場景的小版本。通過深度融合了語言、語音、視頻，支持視頻-語音端到端實(shí)時(shí)交互，綜合性能直接對標(biāo)GPT-4o mini，但共情能力和情感語音交互更勝一籌。

四大技術(shù)創(chuàng)新

SenseNova V6的耀眼表現(xiàn)，背后是商湯多年技術(shù)積累的爆發(fā)。

2025年1月，商湯融合模型拿下了SuperCLUE 2024年語言模型綜合榜和OpenCompass多模態(tài)綜合榜國內(nèi)第一。

這恰恰驗(yàn)證了，原生多模態(tài)融合訓(xùn)練技術(shù)的巨大潛力。

如今，他們技術(shù)沿著這條路線持續(xù)優(yōu)化和scale，SenseNova V6的性能得以再上新的臺階。

面對復(fù)雜問題，SenseNova V6能夠像人類一樣深度思考，一步步推理出答案，正是因?yàn)槠洳捎昧硕嗄B(tài)長思維鏈合成技術(shù)。

通過多智能體協(xié)作，進(jìn)行長CoT合成和驗(yàn)證，最終實(shí)現(xiàn)了64K多模態(tài)長思維鏈，讓模型具備長思考能力。

此外，商湯還構(gòu)建了面向多種圖文任務(wù)「混合增強(qiáng)學(xué)習(xí)」框架，融合了RLHF和RFT，動(dòng)態(tài)去調(diào)節(jié)主客觀表現(xiàn)。

這樣一來，SenseNova V6在推理能力提升的同時(shí)，情感表達(dá)也不會打折。

SenseNova V6能夠處理10分鐘視頻，因其將視覺信息（畫面）、聽覺信息（語音、音效）、語言信息（字幕、口語）、時(shí)間軸邏輯進(jìn)行對齊，形成了統(tǒng)一表征，再通過動(dòng)態(tài)壓縮保留了關(guān)鍵語義。

由此，10分鐘視頻被大幅濃縮到16k token，既高效又精準(zhǔn)，為長視頻理解開辟了全新格局。

看得出，SenseNova V6的誕生，是商湯多年來技術(shù)的集大成。

更重要的是，它并沒有停留在實(shí)驗(yàn)室，已經(jīng)在企業(yè)助手、機(jī)器人等交互場景中落地開花。

從辦公神器到機(jī)器人，「日日新」日日用

如今，全新SenseNova V6多模態(tài)大模型正在解鎖一系列令人驚嘆的應(yīng)用場景。

從打工人效率神器，到深耕日常場景智能助手，再到賦予機(jī)器人「靈魂」，V6正用技術(shù)溫暖生活。

AI的價(jià)值在于解決日常中的繁瑣與痛點(diǎn)，讓技術(shù)真正服務(wù)于人。

正如商湯科技創(chuàng)始人徐立所言，「AI之道，在于百姓之日用」。接下來，讓我們一探究竟，V6如何走進(jìn)每個(gè)人生活。

打工人神器，效率倍增

在辦公領(lǐng)域，SenseNova V6再次賦能商湯AI超級助手——辦公小浣熊。

它是一個(gè)將LLM融入規(guī)劃、數(shù)據(jù)分析、文檔編輯的辦公助手，通過Plan-Analyze-Write三步法，重塑工作流。

舉個(gè)栗子，讓AI幫你去分析餐廳評論數(shù)據(jù)，不到1分鐘時(shí)間，小浣熊就給出了完整建議。

在輸出內(nèi)容左下角，還有「創(chuàng)建一個(gè)新文檔」選項(xiàng)，不用跳出網(wǎng)頁端，便可在一鍵生成的內(nèi)容上，與AI再次共創(chuàng)。

針對開發(fā)者，還有專門的代碼小浣熊，能讓編碼效率蹭蹭提升。

它覆蓋了軟件需求分析、架構(gòu)設(shè)計(jì)、代碼編寫、軟件測試等多個(gè)環(huán)節(jié)，可以實(shí)現(xiàn)代碼編寫、編程學(xué)習(xí)等各類需求。

關(guān)鍵是，它還能支持Python、Java、JavaScript等100+編程語言，兼容VS Code、JetBrains系列等主流IDE。

假設(shè)上傳一份產(chǎn)品需求文檔，然后要求寫一個(gè)公有云上微信掃碼訂單模塊，AI會迅速給出解決方案。

具體來說，它的主要功能包括智能代碼補(bǔ)全、AI代碼對話、代碼編輯、多模態(tài)軟件研發(fā)、面向企業(yè)級BizDevOps提供全面智能輔助等。

使用代碼小浣熊后，開發(fā)者的開發(fā)效率提升了50%+，企業(yè)的研發(fā)效率提升了30%+

此外，在商業(yè)保險(xiǎn)核賠中，傳統(tǒng)財(cái)務(wù)人工審核往往耗時(shí)3-7天，且規(guī)則雜難以完全定義。

日日新V6通過學(xué)習(xí)海量數(shù)據(jù)，便能迅速發(fā)現(xiàn)單據(jù)中存在的問題，大幅提升了效率并降低錯(cuò)誤率。

比如下面這個(gè)例子，V6就檢查出上傳的憑據(jù)金額不符、時(shí)間矛盾，并且還有處方藥的單子需要補(bǔ)全。

不僅如此，它還發(fā)現(xiàn)了一些非常細(xì)節(jié)的瑕疵——體重沒填、醫(yī)生也沒有簽名等等。

而這一系列風(fēng)險(xiǎn)的提示，都是V6自己進(jìn)行交叉驗(yàn)證之后獲得的。

再比如，一家咖啡店收集了用戶各種反饋，V6通過多模態(tài)分析后，能生成SWOT報(bào)告，指出推廣潛力并給出具體方案。

記賬購物，節(jié)支小幫手

不僅如此，「日日新」多模態(tài)大模型正深入到普通人的每個(gè)生活場景中，讓AI變得更加觸手可及。

就比如，大多數(shù)人會記賬，那么AI加持的記賬，又會有何不同呢？

「咔皮記賬」，這款聚焦于消費(fèi)和財(cái)務(wù)管理的工具，采用了Multi-Agent模式，通過「分時(shí)動(dòng)態(tài)推理」靈活分配資源，精準(zhǔn)響應(yīng)需求。

比如，MBTI消費(fèi)分析報(bào)告這個(gè)功能，就把游戲趣味和專業(yè)分析結(jié)合了起來。使用時(shí)不僅能看到表達(dá)高度自由的思維鏈，而且任務(wù)生成的網(wǎng)頁也是實(shí)時(shí)渲染的。

另一大常見的場景，便是上網(wǎng)購物了。

面對不同平臺上五花八門折扣信息，難以快速對比快速抉擇，不如就交給AI。

這時(shí)，難點(diǎn)來了——各個(gè)平臺的布局，差異極大。

比如關(guān)于打折的信息，有的寫在黃色的背景上，有的寫在藍(lán)色的背景上，還有的則是跟在其他文字的后面。

更麻煩的是，包裝的規(guī)格也不盡相同：有80抽16包，有60抽5包的，還有110抽12包的。

對此，V6不僅能綜合分析商品價(jià)格、包裝、促銷等信息，甚至還可以細(xì)化到「每抽紙巾的單價(jià)」，推薦出最優(yōu)購買方案。

不論是賬，還是購物，省錢也有了小技巧。

機(jī)器人有了「靈魂」

在機(jī)器人領(lǐng)域，SenseNova V6，讓它們不僅讓能「看」清環(huán)境細(xì)節(jié)，「聽」懂你的指令，「說」出自然流暢的回答，甚至通過推理，還能讀懂你的情緒。

更厲害的是，V6能夠做到讓機(jī)器人語言和動(dòng)作同步，比如講解時(shí)，它會一遍娓娓道來，一邊用手勢表達(dá)；或是對情緒感知后，做出肢體反應(yīng)的動(dòng)作。

商湯用AI讓機(jī)器人不再是冰冷冷的工具，而是生活中智慧又貼心的伙伴，開啟了人機(jī)交互新時(shí)代。

無論是管理需求、教學(xué)輔助，還是銷售報(bào)告，V6均能處理非結(jié)構(gòu)化數(shù)據(jù)，應(yīng)對開放式問題。

我們可以看到，商湯多模態(tài)大模型，正以「百姓之日用」為導(dǎo)向，讓AI從仰望星空的宏大敘事，落地成為每個(gè)人生活中的得力助手。

AI 2.0未來引擎，三位一體

當(dāng)下，AI正以驚人的速度重塑世界。

在這場AI 2.0變革中，商湯并沒有選擇了單打獨(dú)斗，而是祭出了「大裝置-大模型-應(yīng)用」三位一體的核心戰(zhàn)略。

這不僅僅是一場技術(shù)的協(xié)同進(jìn)化，更是對AI未來的深刻洞察——

基礎(chǔ)設(shè)施是大模型的「根基」，大模型是應(yīng)用的「引擎」，而應(yīng)用場景又會反哺技術(shù)迭代，形成一個(gè)生生不息的生態(tài)閉環(huán)。

商湯的目標(biāo)很明確，既要做「最懂算力的大模型服務(wù)商」，也要做「最懂大模型的算力服務(wù)商」，用硬實(shí)力驅(qū)動(dòng)AI落地開花。

他們以「日日新」多模態(tài)大模型為基石，正加速「一基兩翼」的布局。

生產(chǎn)力工具為企業(yè)插上了效率的翅膀，從金融分析到政務(wù)管理，讓打工人工作不再繁瑣，效率成倍提升。

而交互工具則帶來溫暖的智能體驗(yàn)，無論是智能陪伴還是個(gè)性化營銷，AI皆可得心應(yīng)手。

這種潤物細(xì)無聲的滲透，才是AI 2.0的真正意義。