在人工智能領域，多模態大模型正逐漸成為行業發展的新風向。繼DeepSeek憑借卓越的文本推理能力和高性價比脫穎而出后，業界對于多模態推理領域的下一個領軍者充滿期待。
近日，商湯科技在2025技術交流日上震撼發布了日日新SenseNova V6（簡稱“日日新V6”）大模型體系，其在多模態推理能力上堪稱國內翹楚，與OpenAI的o1相媲美，同時在數據分析能力上遠超GPT-4。更令人矚目的是，從性價比角度來看，其多模態訓練和推理成本刷新了業界最低記錄。
2025年被視為大模型應用的關鍵之年。在這場交流日上，兩位行業大佬不約而同地強調了AI應深入百姓生活的理念。商湯科技董事長兼首席執行官徐立表示：“AI之道，在于百姓之日用?！睙o獨有偶，馬云也在阿里云新財年啟動會上提出，高科技不僅要仰望星空，更要腳踏實地，服務于人們的日常生活?？萍既藛T的使命不是讓AI取代人類，而是讓AI更加理解人類，更好地為人類服務。
日日新V6作為一款擁有超過6000億參數的MoE原生多模態通用大模型，在長思維鏈、數理能力、多模態推理以及全局記憶等方面實現了重大技術突破。其數據分析能力遙遙領先GPT-4，多模態深度推理能力更是位居國內首位，與OpenAI的o1不相上下。
基于超過200B的高質量多模態長思維鏈數據，商湯通過多智能體協作，成功合成了長思維鏈，并進行了驗證。這使得日日新V6具備了出色的多模態推理能力，能夠支持最長64K的多模態長思維鏈，讓模型具備了長時間的思考能力。在處理真實世界的復雜問題時，日日新V6展現出了卓越的混合圖文理解推理能力，一個模型就能應對文本、多模態等各類任務。
日日新V6還打破了市面上大模型只能解析短視頻的限制，實現了對10分鐘視頻的全幀率解析，與Gemini 2.5 Turbo相比，達到了同類型最強。例如，輸入一段《黑神話：悟空》的游戲錄屏，日日新V6就能自動剪輯出游戲高光時刻，并生成解說文案，完成一段精彩的游戲解說。
商湯是如何實現如此驚人的記憶和理解能力的呢？原來，它能夠將畫面、語音、音效、字幕、口語和時間軸邏輯進行對齊，形成多模態統一時序表征。通過細粒度級聯信息壓縮和內容敏感的動態過濾，實現了長視頻的高比例壓縮，10分鐘視頻可以壓縮到16K tokens，同時保留關鍵語義。
去年，商湯大模型的實時交互能力就曾引起廣泛關注。此次，商湯推出了全新的輕量級全模態交互模型SenseNova V6 Omni，帶來了國內頂尖的多模態交互體驗。當你將手機對準一本英文周刊或論文時，它能實時翻譯你手指所指的內容，讓你享受自然直觀的指讀交互體驗。當你忙于工作時，孩子纏著你講故事，你就可以把講故事的任務交給日日新V6。它還能擔任文旅導游、數學老師，甚至扮演各種角色。
SenseNova V6 Omni已經在多個行業和場景中得到了應用，成為國內首個商業化的全模態實時交互模型。在現場，《IT時報》記者見證了傅利葉等多品牌的機器人搭載商湯大模型后，具備了更加自然、類人的實時交互能力，讓人形機器人擁有了眼睛、嘴巴、耳朵和大腦。
商湯在此次發布會上還帶來了一個驚喜，推出了搭載日日新V6的商量App。通過這個入口，C端用戶將能夠體驗到文字、圖像、視頻等多種模態的流式交互。不過，目前商量App還處于內測階段，用戶可以在商量網頁端體驗日日新V6的強大功能。只有更加懂人、更像人的AI，才能更快地融入人們的日常生活，成為不可或缺的“日用品”。
