AI看柯南2分钟揪真凶，商汤600B多模态MoE推理封神！交互记忆全线升级

新智元报道

编辑：编辑部 YZNH

【新智元导读】就在刚刚，商汤第六代大模型震撼升级，强推理、强交互、长记忆能力拉满。更惊人的是，这个模型彻底了实现文本、图像和视频的原生融合，看一段几分钟柯南视频，就能推断出凶手的作案手法，推理绝了！

商汤多模态大模型，刚刚震撼升级V6。

从此，日日新SenseNova V6成为真正的原生多模态通用大模型，完全实现了文本、图像和视频的原生融合。

新升级的模型，能力值简直拉满，看完几分钟的视频，能立马进行深度理解，还能给出推理分析！

比如柯南里「看不见的凶器」这集，凶手究竟是怎么下毒的？

喂一段2分多钟的视频，模型就给出了正确分析：凶手大概率是通过妻子每日开的车进行间接投毒的。

在分析中，它甚至直接猜出了关键线索——凶手很可能是将毒药涂抹在了空调系统管道中。

我们特意去名侦探柯南的动画中考证了一番，模型给出的，就是正确答案！

甚至，它还能自动变成「剪刀手」，帮我们剪辑出想要的视频片段，还给出搭配bgm的建议。

比如给它一段《黑神话·悟空》的经典雪地打斗片段后，它就会根据要求剪出「精彩的闪躲」高光时刻，甚至为每个片段都配上了解说文案。

「欢迎来到黑神话悟空的战斗世界，当boss从飞檐纵身跃下，注意他长矛划出的完美抛物线。」这文案实在太地道了。

在图像理解与推理方面，它可以正确地总结出斯坦福HAI「2025 AI Index」报告中图表的内容，包括这一年顶尖大模型的性能趋于相近，以及竞争激烈的现象。

同时，它还总结出了各大模型的动态规律，以及隐含意义，点出下一阶段的决胜关键，就是差异化功能、垂直场景应用。

在音频通话中，我们可以随时打断它，它接得住各种类型的话茬，还能用开心、沮丧等各种情绪和我们说话。

它可以情绪饱满地读一首《满江红》。

手头晦涩的英文资料，也可以请它帮忙给出介绍了，比如DeepSeek这篇论文的摘要，它看一眼就可以帮忙给出总结。

而且，这个600B的MoE模型不仅解锁了「强推理、强交互、长记忆」的超强能力，还实打实地横扫了各类榜单。

在纯文本和多模态任务上，它在多项指标上超越了GPT-4.5、Gemini 2.0 Pro，甚至全面碾压DeepSeek V3。

从此，SenseNova V6瞬间解锁更多高级场景，再次大大拓宽大模型的应用边界！

多模态「全能王」诞生

2025的AI舞台，依旧硝烟弥漫。

单纯堆砌参数的Scaling Law正走向尽头，效率、多模态、推理能力成为了全新的竞技场。

从GPT-4.5、Gemini 2.5 Pro到刚刚发布的Llama 4，全球顶尖玩家都在加码多模态融合，而商汤也以「日日新SenseNova V6」系列，强势杀入这场王者之战。

综合来看，业界大模型竞争已从量变转向质变，三大趋势清晰可见：

• 效率为王，参数边际收益越来越小，业界不再盲目扩大参数量，而是转向模型架构创新和高密度数据合成，提升 scale斜率。

• 多模态登顶，信息融合成为核心。文字、图像、视频不再是割裂输入，而是通过深度融合，带来更完整的场景价值。

• 深度推理能力成焦点，更是AI切入高价值场景的关键。过去，推理多停留在数理求解任务上，但未来，它必须与多模态结合，才得以应对真实世界的复杂挑战。

原生多模态融合，三点全面突破

商汤敏锐地捕捉到这三大技术走向，以此为蓝图，才打造出SenseNova V6系列，剑指三大技术高地——

多模态长思维链、多模态强化学习、多模态全局记忆

在他们看来，真正有价值的大模型，必须要做到两点：一是能融入真实业务，解决复杂问题；二是能与人自然交互，让人愿意持续聊天。

接下来，就让我们解剖SenseNova V6，看看这款模型凭什么敢挑战全球顶尖？

基石王者：SenseNova V6 Pro/Reasoner Pro

SenseNova V6 Pro是原生多模态通用大模型，共有6000亿参数，采用了MoE架构，原生融合了文本、图像、视频元素，综合性能全面开花。

在纯文本和多模态任务上，SenseNova V6 Pro性能直逼Gemini 2.0 Pro和GPT-4.5。

推理版Reasoner Pro在SenseNova V6 Pro的基础上，通过多模态长CoT训练和多模态增强学习，推理能力大幅提升。

相较于上一代SenseNova 5.5，Pro推理版多模态融合能力更强。

甚至，它能够对标OpenAI o1和Gemini 2.0 Flash-thinking，轻松破解多模态复杂任务。

此外，SenseNova V6还有面向实时交互、视频理解等场景的小版本。通过深度融合了语言、语音、视频，支持视频-语音端到端实时交互，综合性能直接对标GPT-4o mini，但共情能力和情感语音交互更胜一筹。

四大技术创新

SenseNova V6的耀眼表现，背后是商汤多年技术积累的爆发。

2025年1月，商汤融合模型拿下了SuperCLUE 2024年语言模型综合榜和OpenCompass多模态综合榜国内第一。

这恰恰验证了，原生多模态融合训练技术的巨大潜力。

如今，他们技术沿着这条路线持续优化和scale，SenseNova V6的性能得以再上新的台阶。

面对复杂问题，SenseNova V6能够像人类一样深度思考，一步步推理出答案，正是因为其采用了多模态长思维链合成技术。

通过多智能体协作，进行长CoT合成和验证，最终实现了64K多模态长思维链，让模型具备长思考能力。

此外，商汤还构建了面向多种图文任务「混合增强学习」框架，融合了RLHF和RFT，动态去调节主客观表现。

这样一来，SenseNova V6在推理能力提升的同时，情感表达也不会打折。

SenseNova V6能够处理10分钟视频，因其将视觉信息（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，形成了统一表征，再通过动态压缩保留了关键语义。

由此，10分钟视频被大幅浓缩到16k token，既高效又精准，为长视频理解开辟了全新格局。

看得出，SenseNova V6的诞生，是商汤多年来技术的集大成。

更重要的是，它并没有停留在实验室，已经在企业助手、机器人等交互场景中落地开花。

从办公神器到机器人，「日日新」日日用

如今，全新SenseNova V6多模态大模型正在解锁一系列令人惊叹的应用场景。

从打工人效率神器，到深耕日常场景智能助手，再到赋予机器人「灵魂」，V6正用技术温暖生活。

AI的价值在于解决日常中的繁琐与痛点，让技术真正服务于人。

正如商汤科技创始人徐立所言，「AI之道，在于百姓之日用」。接下来，让我们一探究竟，V6如何走进每个人生活。

打工人神器，效率倍增

在办公领域，SenseNova V6再次赋能商汤AI超级助手——办公小浣熊。

它是一个将LLM融入规划、数据分析、文档编辑的办公助手，通过Plan-Analyze-Write三步法，重塑工作流。

举个栗子，让AI帮你去分析餐厅评论数据，不到1分钟时间，小浣熊就给出了完整建议。

在输出内容左下角，还有「创建一个新文档」选项，不用跳出网页端，便可在一键生成的内容上，与AI再次共创。

针对开发者，还有专门的代码小浣熊，能让编码效率蹭蹭提升。

它覆盖了软件需求分析、架构设计、代码编写、软件测试等多个环节，可以实现代码编写、编程学习等各类需求。

关键是，它还能支持Python、Java、JavaScript等100+编程语言，兼容VS Code、JetBrains系列等主流IDE。

假设上传一份产品需求文档，然后要求写一个公有云上微信扫码订单模块，AI会迅速给出解决方案。

具体来说，它的主要功能包括智能代码补全、AI代码对话、代码编辑、多模态软件研发、面向企业级BizDevOps提供全面智能辅助等。

使用代码小浣熊后，开发者的开发效率提升了50%+，企业的研发效率提升了30%+

此外，在商业保险核赔中，传统财务人工审核往往耗时3-7天，且规则杂难以完全定义。

日日新V6通过学习海量数据，便能迅速发现单据中存在的问题，大幅提升了效率并降低错误率。

比如下面这个例子，V6就检查出上传的凭据金额不符、时间矛盾，并且还有处方药的单子需要补全。

不仅如此，它还发现了一些非常细节的瑕疵——体重没填、医生也没有签名等等。

而这一系列风险的提示，都是V6自己进行交叉验证之后获得的。

再比如，一家咖啡店收集了用户各种反馈，V6通过多模态分析后，能生成SWOT报告，指出推广潜力并给出具体方案。

记账购物，节支小帮手

不仅如此，「日日新」多模态大模型正深入到普通人的每个生活场景中，让AI变得更加触手可及。

就比如，大多数人会记账，那么AI加持的记账，又会有何不同呢？

「咔皮记账」，这款聚焦于消费和财务管理的工具，采用了Multi-Agent模式，通过「分时动态推理」灵活分配资源，精准响应需求。

比如，MBTI消费分析报告这个功能，就把游戏趣味和专业分析结合了起来。使用时不仅能看到表达高度自由的思维链，而且任务生成的网页也是实时渲染的。

另一大常见的场景，便是上网购物了。

面对不同平台上五花八门折扣信息，难以快速对比快速抉择，不如就交给AI。

这时，难点来了——各个平台的布局，差异极大。

比如关于打折的信息，有的写在黄色的背景上，有的写在蓝色的背景上，还有的则是跟在其他文字的后面。

更麻烦的是，包装的规格也不尽相同：有80抽16包，有60抽5包的，还有110抽12包的。

对此，V6不仅能综合分析商品价格、包装、促销等信息，甚至还可以细化到「每抽纸巾的单价」，推荐出最优购买方案。

不论是账，还是购物，省钱也有了小技巧。

机器人有了「灵魂」

在机器人领域，SenseNova V6，让它们不仅让能「看」清环境细节，「听」懂你的指令，「说」出自然流畅的回答，甚至通过推理，还能读懂你的情绪。

更厉害的是，V6能够做到让机器人语言和动作同步，比如讲解时，它会一遍娓娓道来，一边用手势表达；或是对情绪感知后，做出肢体反应的动作。

商汤用AI让机器人不再是冰冷冷的工具，而是生活中智慧又贴心的伙伴，开启了人机交互新时代。

无论是管理需求、教学辅助，还是销售报告，V6均能处理非结构化数据，应对开放式问题。

我们可以看到，商汤多模态大模型，正以「百姓之日用」为导向，让AI从仰望星空的宏大叙事，落地成为每个人生活中的得力助手。

AI 2.0未来引擎，三位一体

当下，AI正以惊人的速度重塑世界。

在这场AI 2.0变革中，商汤并没有选择了单打独斗，而是祭出了「大装置-大模型-应用」三位一体的核心战略。

这不仅仅是一场技术的协同进化，更是对AI未来的深刻洞察——

基础设施是大模型的「根基」，大模型是应用的「引擎」，而应用场景又会反哺技术迭代，形成一个生生不息的生态闭环。

商汤的目标很明确，既要做「最懂算力的大模型服务商」，也要做「最懂大模型的算力服务商」，用硬实力驱动AI落地开花。

他们以「日日新」多模态大模型为基石，正加速「一基两翼」的布局。

生产力工具为企业插上了效率的翅膀，从金融分析到政务管理，让打工人工作不再繁琐，效率成倍提升。

而交互工具则带来温暖的智能体验，无论是智能陪伴还是个性化营销，AI皆可得心应手。

这种润物细无声的渗透，才是AI 2.0的真正意义。