日日新 V6

是什么

日日新 V6（SenseNova V6）是商汤科技在 2025 年 4 月 10 日发布的多模态基础模型^[1]。它是一个原生（native）多模态的混合专家（mixture-of-experts）模型，参数量超过 6000 亿^[2]。混合专家指的是网络里有许多分工不同的子网络，也就是「专家」，由路由机制把每一段输入只送给其中少数几个，因此总参数量可以做得很大，而处理单次请求所花的算力相对有限。原生多模态则指模型从一开始就把文字、图像、音频、视频放在一起训练，而不是给一个已有的语言模型外挂视觉模块。

三个版本

这次发布包含三个模型：面向通用的 V6、偏向推理的 V6 Reasoner，以及轻量、可实时交互的全模态模型 V6 Omni，商汤称它是中国首个已商业化的此类模型^[2]。商汤还表示，V6 Omni 在国内提供了最先进的多模态交互能力^[1]。

长思维链训练

商汤用超过 2000 亿 token 的高质量多模态长思维链数据训练该模型，并支持最长 64K token 的思维链^[2]。思维链（chain of thought）指模型在给出最终答案之前写出的中间推理——步骤、检查、阶段性结论；允许它想得更久，通常有助于多步问题，但也要多花算力和显存。把这件事从纯文本扩展到多种模态，是商汤强调的重点。

能做什么

模型可以分析长达 10 分钟的全帧率视频，并把 10 分钟视频压缩成 16K token^[2]。压缩之所以重要，是因为模型的上下文窗口（context window）——一次能容纳的输入量——是有限的；把大量画面变成一段紧凑的 token 序列，长视频才谈得上被推理。

在基准测试上，商汤称其多模态推理能力在与 OpenAI o1 对比时位列国内第一，在数据分析上则超过了 GPT-4o^[2]。这些是公司自己的比较，发布中没有包含第三方独立测评结果。

成本主张

商汤称其训练与推理成本为行业最低，并称已把多模态的训练效率做到与语言模型相当^[2]。多模态训练通常比纯文本训练更贵，因为同样时长的视频和音频携带的原始数据多得多；这项主张的实质，是让多出来的模态所付出的代价接近文本。

可用性与生态

基于 V6 的新版 SenseChat 应用已进入预览，V6 也可以在 SenseChat 网页平台上试用^[2]。商汤同时宣布投入 1 亿元人民币补贴具身智能、AIGC 等新兴领域^[2]——这笔钱面向的是在模型之上做应用的团队，而不是模型本身。

在模型线中的位置

商汤表示，从 SenseNova 5.5 到 V6 与 V6 Reasoner，统一模型取得了明显提升^[2]。这把 V6 放在一条从分散模型走向统一系统的路线末端：一个模型同时处理多种模态，兼顾快速交互与较慢的推理。成本与基准上的说法最终要靠外部测评和开发者实际做出什么来检验，发布本身确定的，是它的设计、版本划分和公开目标。