在人工智能领域，多模态大模型正逐渐成为行业发展的新风向。继DeepSeek凭借卓越的文本推理能力和高性价比脱颖而出后，业界对于多模态推理领域的下一个领军者充满期待。
近日，商汤科技在2025技术交流日上震撼发布了日日新SenseNova V6（简称“日日新V6”）大模型体系，其在多模态推理能力上堪称国内翘楚，与OpenAI的o1相媲美，同时在数据分析能力上远超GPT-4。更令人瞩目的是，从性价比角度来看，其多模态训练和推理成本刷新了业界最低记录。
2025年被视为大模型应用的关键之年。在这场交流日上，两位行业大佬不约而同地强调了AI应深入百姓生活的理念。商汤科技董事长兼首席执行官徐立表示：“AI之道，在于百姓之日用。”无独有偶，马云也在阿里云新财年启动会上提出，高科技不仅要仰望星空，更要脚踏实地，服务于人们的日常生活。科技人员的使命不是让AI取代人类，而是让AI更加理解人类，更好地为人类服务。
日日新V6作为一款拥有超过6000亿参数的MoE原生多模态通用大模型，在长思维链、数理能力、多模态推理以及全局记忆等方面实现了重大技术突破。其数据分析能力遥遥领先GPT-4，多模态深度推理能力更是位居国内首位，与OpenAI的o1不相上下。
基于超过200B的高质量多模态长思维链数据，商汤通过多智能体协作，成功合成了长思维链，并进行了验证。这使得日日新V6具备了出色的多模态推理能力，能够支持最长64K的多模态长思维链，让模型具备了长时间的思考能力。在处理真实世界的复杂问题时，日日新V6展现出了卓越的混合图文理解推理能力，一个模型就能应对文本、多模态等各类任务。
日日新V6还打破了市面上大模型只能解析短视频的限制，实现了对10分钟视频的全帧率解析，与Gemini 2.5 Turbo相比，达到了同类型最强。例如，输入一段《黑神话：悟空》的游戏录屏，日日新V6就能自动剪辑出游戏高光时刻，并生成解说文案，完成一段精彩的游戏解说。
商汤是如何实现如此惊人的记忆和理解能力的呢？原来，它能够将画面、语音、音效、字幕、口语和时间轴逻辑进行对齐，形成多模态统一时序表征。通过细粒度级联信息压缩和内容敏感的动态过滤，实现了长视频的高比例压缩，10分钟视频可以压缩到16K tokens，同时保留关键语义。
去年，商汤大模型的实时交互能力就曾引起广泛关注。此次，商汤推出了全新的轻量级全模态交互模型SenseNova V6 Omni，带来了国内顶尖的多模态交互体验。当你将手机对准一本英文周刊或论文时，它能实时翻译你手指所指的内容，让你享受自然直观的指读交互体验。当你忙于工作时，孩子缠着你讲故事，你就可以把讲故事的任务交给日日新V6。它还能担任文旅导游、数学老师，甚至扮演各种角色。
SenseNova V6 Omni已经在多个行业和场景中得到了应用，成为国内首个商业化的全模态实时交互模型。在现场，《IT时报》记者见证了傅利叶等多品牌的机器人搭载商汤大模型后，具备了更加自然、类人的实时交互能力，让人形机器人拥有了眼睛、嘴巴、耳朵和大脑。
商汤在此次发布会上还带来了一个惊喜，推出了搭载日日新V6的商量App。通过这个入口，C端用户将能够体验到文字、图像、视频等多种模态的流式交互。不过，目前商量App还处于内测阶段，用户可以在商量网页端体验日日新V6的强大功能。只有更加懂人、更像人的AI，才能更快地融入人们的日常生活，成为不可或缺的“日用品”。
