多模態(tài)信息感知與處理的能力，是AGI的核心要求，也是從語言模型邁向AGI的必由之路。

從多模態(tài)感知、推理，再到交互，多模態(tài)智能的演進將驅(qū)動AI下一階段的發(fā)展。

2025年7月27日，由全國工商聯(lián)人工智能委員會主辦，商湯科技承辦的【大愛無疆·模塑未來】WAIC2025大模型論壇上，商湯科技發(fā)布全新「日日新SenseNovaV6.5」（簡稱“日日新V6.5”）大模型體系，多模態(tài)基座大模型迎來突破性升級，帶來AI從“生產(chǎn)力工具”到“生產(chǎn)力”的跨越。商湯旗下核心產(chǎn)品商湯小浣熊也完成智能體升級。

1950年，圖靈通過“模仿游戲”將AI定義為“類人能力”，但實際的AI一直未能擺脫“工具”的范疇，一度陷入發(fā)展低谷。而在大模型時代，AI憑借多模態(tài)融合能力的突破，逐步觸達AGI邊界，真正開始向“類人”標準靠近。

全國工商聯(lián)人工智能委員會主席團首任輪值主席、商湯科技董事長兼首席執(zhí)行官徐立表示：“商湯科技始終探尋人工智能本質(zhì)，以技術(shù)創(chuàng)新激發(fā)最大智能，推動AI完成從“工具”到‘人’的躍遷，成為真正的生產(chǎn)力?！?/p>

Part1：

日日新V6.5煥新：突破性升級觸碰“理解的深度”

據(jù)現(xiàn)場介紹，商湯「日日新V6.5」多模態(tài)基座大模型帶來三大突破性升級：

強推理：圖文交錯多模態(tài)思維鏈，推理性能比肩Gemini2.5Pro、Claude4-sonnet；

高效率：多模態(tài)架構(gòu)優(yōu)化，性價比提升3倍以上；

智能體：數(shù)據(jù)分析大幅領(lǐng)先，支持端到端的場景落地，實現(xiàn)價值閉環(huán)。

通過多模態(tài)思維鏈數(shù)據(jù)進階圖文交錯思維鏈數(shù)據(jù)合成，商湯「日日新V6.5」多模態(tài)推理與交互性能實現(xiàn)了大幅提升：

【核心指標】文本推理能力和多模態(tài)推理大幅提升，超越Gemini2.5Pro、Claude4-sonnet；多模態(tài)交互能力超越Gemini2.5Flash和GPT-4o，各方面性能突出

商湯「日日新V6.5」率先突破圖文交錯思維鏈技術(shù)，在大模型中引入形象思維，成為國內(nèi)首個實現(xiàn)圖文交錯思維的商業(yè)級大模型。

在人類的思考中，形象思維和邏輯思維同等重要，兩者有機結(jié)合才能形成全面的思維能力。所謂“一圖勝千言”，一幅圖往往比大段文字更能引發(fā)有效思考。當前，主流的多模態(tài)模型雖然已經(jīng)實現(xiàn)了在輸入端融合多種模態(tài)，但思考推理過程依然主要依賴語言推理，圖形和空間推理仍存在短板。

多模態(tài)思維鏈構(gòu)造的關(guān)鍵在于信息的圖形化表達，相比純文本思維鏈更具挑戰(zhàn)，不僅要呈現(xiàn)文字思考過程，還需生成作為思考節(jié)點的圖像，難以通過純?nèi)斯し绞酱笠?guī)模實現(xiàn)。商湯研發(fā)團隊先基于對思維過程的理解構(gòu)造種子數(shù)據(jù)，經(jīng)監(jiān)督微調(diào)（SFT）訓練讓模型初步具備圖文交錯思考能力，再通過多輪強化學習顯著提升多模態(tài)推理能力。

同時，商湯還改進了多模態(tài)模型的融合架構(gòu)，促進跨模態(tài)早期融合。新的架構(gòu)采用了顯著變輕的視覺編碼器，以及深而窄的主干模型，使得視覺表征在前饋計算早期就與語言進行對齊和交融，從而使感知更高效，模態(tài)融合更深。

據(jù)商湯表示，得益于模型架構(gòu)的改進，商湯「日日新V6.5」在實現(xiàn)成本優(yōu)化的同時，預訓練吞吐量提升了20%以上，強化學習效率提升了40%，推理吞吐量提升了35%以上，取得性能和成本的完美平衡。相較「日日新V6.0」，「日日新V6.5」將性價比提升了3倍。

Part2：

AI是生產(chǎn)力：商湯小浣熊，辦公最強智能體登場

大語言模型已成為當下不少人的工作輔助工具，但僅靠大語言模型，不足以讓AI完成從“工具”向“人”的躍升。

人類的日常任務活動，天然涉及對文本、圖像、視頻、網(wǎng)頁等多模態(tài)信息的處理。從生產(chǎn)力工具到生產(chǎn)力，關(guān)鍵就在于多模態(tài)信息的輸入、處理與輸出能力。

基于「日日新V6.5」強大的多模態(tài)數(shù)據(jù)分析能力，商湯小浣熊全面升級：能夠勝任多模態(tài)復雜輸入，進行多模態(tài)融合深入分析，給出多模態(tài)結(jié)果輸出，實現(xiàn)專業(yè)的可視化呈現(xiàn)，打造“辦公場景的AI生產(chǎn)力”，讓AI實現(xiàn)從「生產(chǎn)力工具」到「生產(chǎn)力」的跨越。

同時，商湯小浣熊始終保持世界領(lǐng)先的復雜數(shù)據(jù)分析能力。據(jù)現(xiàn)場介紹，在客戶場景的綜合測試中，小浣熊達到在數(shù)據(jù)分析和智能體領(lǐng)域的國際標桿Claude4Opus的水平，大幅領(lǐng)先OpenAIo3等模型。其中，在時序計算、數(shù)據(jù)匹配、數(shù)理計算和異常檢測等任務中，準確率均可接近100%。

現(xiàn)實辦公場景中，數(shù)據(jù)輸入形式極為復雜。在數(shù)據(jù)分析場景中，截圖、文檔和PDF等各類樣式的文檔屢見不鮮，而其中結(jié)構(gòu)化信息及表格僅占約70%。即便是看似基礎(chǔ)的Excel表格，也常包含合并單元格、缺失值、嵌套子表格及內(nèi)嵌圖表等復雜元素，大幅提升處理難度。

商湯小浣熊能夠以多模態(tài)思維實現(xiàn)全局分析，通過思維鏈構(gòu)造進行多步思考與反思，最終輸出結(jié)構(gòu)化的結(jié)果。

事實上一個表格看著簡單，背后的邏輯因果卻非常復雜，如今商湯小浣熊可以讓復雜表格簡單化。

用戶上傳包含合并單元格、缺失值、子表格、內(nèi)嵌圖表及外部圖片的復雜Excel表格。商湯小浣熊能夠精準解析表格內(nèi)容，建立子表格間的邏輯關(guān)聯(lián)，最終生成完整的分析報告。

另一個復雜輸入的用戶案例，小商戶在抖音等視頻平臺刷到有用的表格內(nèi)容，截圖后上傳。商湯小浣熊可以通過圖片信息分解任務并去除干擾，提取表格信息，一鍵導出可編輯的Excel表格供用戶填寫，輸入、分析、輸出全程都有多模態(tài)能力支持順暢進行。

傳統(tǒng)AI工具多扮演輔助角色，核心工作仍依賴用戶主導完成；而商湯小浣熊實現(xiàn)了交互范式的升級——由AI主動承擔核心任務，并通過精準提問和用戶確認關(guān)鍵信息，交互邏輯如同同事協(xié)作。

由AI主動承擔核心任務，并通過精準提問和用戶確認關(guān)鍵信息，交互邏輯如同同事協(xié)作。

商湯小浣熊如今推出的任務規(guī)劃功能，其新穎的交互模式更利于用戶理解，以前段時間大火的“蘇超”為例。

用戶上傳圖像表格，要求分析“蘇超”TOP球員。商湯小浣熊會自動抓取網(wǎng)上信息，并依托專家知識生成任務清單（如確定“TOP5”標準，分析青訓成績等）進行系統(tǒng)性分析，最終生成高質(zhì)量分析文檔，還可導出為Excel、PPT、HTML等可編輯格式。整體流程如下↓↓↓

具體分解步驟：當接收任務后，小浣熊會主動梳理任務細節(jié)，就關(guān)鍵節(jié)點向用戶提出明確問題（如“是否需要按以下1、2、3點推進？”），以確保任務方向準確，真正實現(xiàn)“AI主導干活、用戶決策把關(guān)”的高效模式↓↓↓

接下來就能依據(jù)專家知識生成任務清單（如確定“TOP5”標準，分析青訓成績等）進行系統(tǒng)性分析，下一步該做什么、可以怎么商量著做一目了然↓↓↓

專業(yè)數(shù)據(jù)+工具調(diào)用，實現(xiàn)高質(zhì)量內(nèi)容過程↓↓↓

最終生成高質(zhì)量分析文檔，還可導出為Excel、PPT、HTML等可編輯格式↓↓↓

憑借強大的復雜任務處理能力，商湯小浣熊加速向行業(yè)滲透，此次推出了面向兩大具體場景的特制版本——教育版和金融版。

據(jù)現(xiàn)場介紹，商湯小浣熊教育版可智能分析學生學習表現(xiàn)、課程效果、學習行為模式分析，目前已覆蓋500+院校、10余種教育場景、25萬+教師和學生，幫助學生提升學習效率15~30%，并已在多所學校協(xié)助教研團隊，降低學業(yè)焦慮發(fā)生率40%，課堂參與度提高2.1倍，資源錯配率降低30%，心理健康干預及時性提升了50%。

商湯小浣熊金融版可為金融業(yè)提供知識助手、智能問數(shù)、多模態(tài)智能理賠產(chǎn)品與解決方案，構(gòu)建金融領(lǐng)域的“人機協(xié)同”智能決策新范式。

截至目前，“商湯小浣熊家族”產(chǎn)品矩陣廣泛服務多行業(yè)企業(yè)，用戶數(shù)量實現(xiàn)1000萬+。

以多模態(tài)技術(shù)激活AI生產(chǎn)力，商湯日日新大模型將持續(xù)進化，與行業(yè)共同奔赴下一階段AI進化的新征程，加速通往AGI時代。