商汤“日日新V6”突破多模态与低成本边界，徐立：AI之道在于日用

“「SenseNova V6 Omni」成为国内首个商业化的全模态实时交互模型。”

作者：苏打

编辑：tuya

公司情报专家《财经涂鸦》获悉，4月10日，商汤科技在其“2025技术交流日活动”中，宣布推出全新升级的“日日新SenseNova V6”（简称：日日新V6）大模型体系。

最新“日日新V6”通过多模态长思维链训练、全局记忆、强化学习的技术突破，形成领先的多模态推理能力，并突破成本边界。

“AI之道，在于百姓之日用”。商汤科技董事长兼首席执行官徐立表示，商汤“日日新V6”将跨越多模态边界，释放推理与智能的无限可能。”

据悉，该大模型体系的模型能力显著提升，在长思维链、推理、数理、全局记忆方面拥有显著优势，多模态推理能力国内第一，对标OpenAI o1，数据分析能力大幅领先GPT-4o；全新的轻量级全模态交互模型SenseNova V6 Omni带来了国内最强的多模态交互能力；涵盖国内首个支持10分钟中长视频深度解析的大模型，对标Gemini 2.5 Turbo达到同类型最强。

值得一提的是，“日日新V6”的多模态训练整体效率对齐语言训练实现业内最低、推理成本均实现业界最低，进一步实现高效能与低成本的结合。

率先实现「多模态下」深度思考

从模型能力看，拥有超6000亿参数的“日日新V6”通过多模态长思维链、强化学习、全局记忆，率先实现多模态下深度思考，凭借单一模型即可完成文本、多模态等各类任务。

“多模态是走向通用人工智能的必由之路，许多图灵奖得主也认同，纯粹的语言模型可能无法完整表达人类的智能。”徐立表示。

基于超过200B高质量多模态长思维链数据，商汤通过多智能体协作进行长思维链合成和验证，「日日新 V6」形成了突出的多模态推理能力，可以支持合成最长 64K 的多模态长思维链，支持模型长时间思考能力。

针对真实环境存在的复杂问题以及复杂繁琐的文档处理，其强混合图文理解推理能力和多模态强推理能力，能够帮助用户解决各类问题。例如，在保险理赔场景中，“日日新 V6”可根据商业医疗保险理赔材料，判断提供材料是符合理赔要求，检查是否存在乱开药、乱检查、材料缺失或者材料对不齐等问题。

“小额理赔虽然金额小但往往耗费时间长（3-7天），而‘日日新 V6’能自己检测到风险提示，自己交叉验证，最后再给到用户非常细节、多维的结论，完成模型到客户使用的最后一公里。”徐立举例道。

得益于多模态强化学习的突破，商汤构建了面向多种图文任务的混合增强学习框架，基于不同难度分级和多奖励模型的强化学习训练。

据悉，“日日新 V6”在权威的推理能力及多模态能力评测中，于多个维度获得SOTA——核心指标方面，纯文本推理与多模态推理能力均均对标 GPT-4.5 和 Gemini 2.0 Pro 等国际一流模型的水平；强推理能力上，从 5.5 到 V6 / V6 Reasoner，推理能力显著提升。在独立评测中，多模态和语言深度推理任务上同时超过了 OpenAI 的 o1 和 Gemini 2.0 flash-thinking 的水平

「SenseNova V6 Omni」发布即实现多行业落地

商汤日日新实时交互融合大模型也同步升级至「SenseNova V6 Omni」，在角色扮演、翻译点读、文旅导游、讲解绘本、数学讲解等场景下进行了深度优化。

以翻译点读场景为例，「SenseNova V6 Omni」让用户通过手指就能实现精准位置的空间交互，并精准理解局部信息与全局信息的关系，带来更符合人类自然直观的指读交互体验。

“它拥有更像人的感知和表达能力、情感理解能力，并已在具身智能等领域实现多行业、多场景落地，成为国内首个商业化的全模态实时交互模型”。商汤表示。

与此同时，凭借“全局记忆”能力，「日日新 V6」已支持10分钟级视频全帧率解析，打破了传统模型仅支持短视频的限制，且可以对视频的精彩内容进行智能剪辑输出。

据悉，商汤自研技术可将视觉信息（画面）、听觉信息（语音、音效）、语言信息（字幕、口语）、时间轴逻辑进行对齐，形成多模态统一时序表征。在此基础上通过细粒度级联信息压缩和内容敏感的动态过滤，实现长视频的高比例压缩，10分钟视频可以压缩到 16K tokens，仍然保留关键语义。

此外，通过整合日日新SenseNova V6全部能力，商汤商量全面升级至全新“商量APP”。用户通过一个入口，即可体验文字、图像、视频等多种模态流式交互体验。目前，商量APP已启动内测，“日日新V6”的能力可在商量Web端体验。