--- title: "商汤日日新 V6：把理解放在生成之前的多模态模型" date: 2026-11-06 category: AI大模型 site: 脑机网 canonical: https://www.logic.wang/a/njw-e25732 language: zh-CN --- # 商汤日日新 V6：把理解放在生成之前的多模态模型 > 一位顾客拍下货架照片；模型读出价格，跨 App 算出单件最划算的那款，并用语音实时说出答案。这个演示刻意显得平淡。商汤的赌注是：有用的媒体智能看起来不像是炫技短片，而更像默默同时理解图像、声音与文字的工具。 一位顾客拍下货架照片；模型读出价格，跨 App 算出单件最划算的那款，并用语音实时说出答案。这个演示刻意显得平淡。商汤的赌注是：有用的媒体智能看起来不像是炫技短片，而更像默默同时理解图像、声音与文字的工具。 这个赌注就是日日新（SenseNova），商汤把实验室项目推成一条营收线的多模态系统。 ## 一个模型，多种模态 日日新 2023 年起步时是几块拼图——聊天模型、叫 SenseMirage 的图像模型，以及叫 SenseAvatar 的数字人视频工具。V6 试图把它们合并。Pro 版用 6200 亿参数的混合专家架构，把文本、图像、视频当成一条流来处理，而非在不同专家模型间路由。更轻的 Omni 版支持实时语音与视频交互。 发布会上，商汤演示了模型从产品照片通过语音比价，以及理解画面自动把篮球视频剪到只留命中的进球。这些演示强调一个论点：媒体价值来自理解，而不只是合成。 ## 可信度校验 独立信号比发布 spectacle 更重要。2025 年 1 月，信通院（CAICT）这一政府关联标准机构做了首轮可信多模态模型评估，给日日新最高 4+ 级，首个达到该级；测试覆盖基础能力、理解、生成与专项任务共三十余项。 V6 之后商汤在 2025 年 7 月 30 日推出 V6.5，称通过更紧的实时文音视频交互让系统从"工具"变"伙伴"。基于该模型的小浣熊生产力家族用户突破 300 万。 ## 生成能力落在哪 除聊天外，日日新喂给若干面向媒体的能力： - **文生图**——通过秒画，面向艺术与设计支持，日产出六位数。 - **长视频理解**——号称十分钟全帧解析，用于自动剪辑与结构化摘要。 - **数字人视频**——沿早前 SenseAvatar 脉络，用于代言人与培训内容。 - **实时交互**——Omni 版接收实时语音视频并在同会话回应。 贯穿主线是"先理解再行动"，适合需要分析（货架、比赛、文档）多于需要漂亮渲染的企业。 ## 2025 年的转折 财务故事与技术故事同样关键。商汤 2025 年营收超 50 亿元（≈ 7.04 亿美元 / 54.6 亿港元）、增 33%，三年最快增长，净亏损收窄 58.6%。下半年 EBITDA 达 3.8 亿元（≈ 5350 万美元 / 4.15 亿港元），上市以来首次转正。生成式 AI 占上半年营收 77%、增 73%，已是引擎。 这背景把日日新与纯研究秀区分开：它绑在营收重置上，而不只是一次模型发布。 ## 关键要点 - 日日新 V6 于 2025 年 4 月 10 日在上海徐汇发布；Pro 版用 6200 亿参数 MoE 核心，原生融合文本、图像、视频。 - 信通院 2025 年 1 月首轮多模态评估给其最高 4+ 级，首个达成。 - 商汤 2025 营收超 50 亿元（≈ 7.04 亿美元 / 54.6 亿港元），同比增 33%，创纪录。 - 下半年 EBITDA 转正达 3.8 亿元（≈ 5350 万美元 / 4.15 亿港元），上市以来首次。 - 生成式 AI 占上半年营收 77%，达 18.15 亿元（≈ 2.56 亿美元 / 19.8 亿港元），增 73%。 - 配套文生图服务秒画已服务数百万用户，日产图超 10 万张。 ## 诚实的局限 日日新的媒体强项偏理解与编辑，而非前沿级原始生成；在电影级输出上并非专业视频工厂的直接对手。信通院 4+ 评级是国内评估，有用但不同于开放国际榜。营收数字为公司年报自述，应与仍偏窄的利润面一起读——EBITDA 仅下半年转正。像所有统一模型，实时多模态交互高度依赖延迟与设备限制，而演示很少展现这些。 ## 普通人现在能做什么 - 若你处理大量视频或图像，先在打标或剪辑任务上试用日日新 V6.5 的理解 API，再决定是否上更重的流水线。 - 做品牌视觉，用固定提示集把秒画与你当前图像工具做基准比对，检查批次间一致性。 --- 来源：脑机网（https://www.logic.wang/）｜原文：https://www.logic.wang/a/njw-e25732 本内容仅供参考，不构成投资建议。