日日新 V6.5

是什么

日日新 V6.5（SenseNova V6.5）是商汤（SenseTime）日日新模型的增强版本。商汤在 2025 世界人工智能大会（WAIC 2025）期间自办的「AI+：大模型塑造未来」论坛上发布了它，公告日期为 2025 年 7 月 31 日。^[1] 它是一个多模态模型，能同时处理图像与文本；这一版放在最前面的能力，是图文交错的思维链（chain of thought）。

思维链指的是模型在给出结论之前，先把中间的推理步骤写出来。多步的问题因此更容易解，也更容易被人检查。「交错」的意思是，这些步骤可以在图像与文字之间来回切换：模型看着图写一段文字，再回到图上继续往下推。商汤称，这使 V6.5 成为中国首个具备真正图文交错推理能力的商用级模型。^[1]

结构与训练

商汤披露了两处结构上的选择。视觉编码器（visual encoder）——也就是把一张图变成模型其余部分可用的表示的那部分——被大幅精简；主干网络（backbone）做得更深、更窄，并且让视觉与语言的表示在早期就完成对齐。^[1] 早期对齐的意思是，两种模态在网络靠前的阶段就被压进同一套表示里，而不是等到最后才去弥合差异；这通常会让跨模态推理的学习成本更低。

训练分阶段进行：先用建立在对认知过程理解之上的种子数据，再做监督微调（supervised fine-tuning），然后进行多轮强化学习（reinforcement learning）。^[1] 监督微调用大量「期望行为」的样例来训练模型；强化学习则对在某个目标上得分高的输出给予奖励，这是初始训练之后继续打磨推理能力的常见做法。

报告的性能

商汤报告称，预训练吞吐（throughput）提升 20% 以上，强化学习效率提升 40%，推理吞吐提升 35% 以上。^[1] 它给出的性价比是 V6.0 的 3 倍。^[1] 在能力上，商汤声称 V6.5 的文本与多模态推理超过了 Gemini 2.5 Pro 和 Claude 4 Sonnet，多模态交互超过了 Gemini 2.5 Flash 和 GPT-4o。^[1] 这些都是商汤自己给出的对比。

在产品里

V6.5 驱动了商汤助手小浣熊的智能体（agent）升级，商汤称小浣熊已有超过 1000 万用户。^[1] 商汤还表示，小浣熊产品系列已在多个行业被广泛采用，并且小浣熊在数据分析上明显优于 OpenAI 的 o3 等模型。^[1] 所谓智能体升级，指的是这个助手被设计成能自己完成多步任务，而不只是回答单个问题。

位置

V6.5 建立在 V6.0 之上，这次发布主要围绕效率与成本展开：吞吐更高，单位工作量的花费更低，并且把图像与文本放进同一条推理流里。商汤把这一步描述为 AI 从「工具」走向「伙伴」。^[1] 这些对比都是公司自己的说法；模型究竟处在什么位置，还要看独立评测的结果，以及它在小浣熊产品里的实际表现。