多模态信息感知与处理的能力，是 AGI 的核心要求，也是从语言模型迈向 AGI 的必由之路。
多模态信息感知与处理的能力，是 AGI 的核心要求，也是从语言模型迈向 AGI 的必由之路。
从多模态感知、推理，再到交互，多模态智能的演进将驱动 AI 下一阶段的发展。
2025 年 7 月 27 日，由全国工商联人工智能委员会倾力主办，商汤科技承办的【大爱无疆·模塑未来】WAIC 2025 大模型论坛上，商汤科技发布全新「日日新 SenseNova V6.5」（简称「日日新 V6.5」）大模型体系，多模态基座大模型迎来突破性升级，带来 AI 从「生产力工具」到「生产力」的跨越。商汤旗下核心产品商汤小浣熊也完成智能体升级。
1950 年，图灵通过「模仿游戏」将 AI 定义为「类人能力」，但实际的 AI 一直未能摆脱「工具」的范畴，一度陷入发展低谷。而在大模型时代，AI 凭借多模态融合能力的突破，逐步触达 AGI 边界，真正开始向「类人」标准靠近。
全国工商联人工智能委员会主席团首任轮值主席、商汤科技董事长兼首席执行官徐立表示：「商汤科技始终探寻人工智能本质，以技术创新激发最大智能，推动 AI 完成从「工具」到『人』的跃迁，成为真正的生产力。」
Part1：
日日新 V6.5 焕新：突破性升级触碰「理解的深度」
商汤「日日新 V6.5」多模态基座大模型带来三大突破性升级：
强推理：图文交错多模态思维链，推理性能比肩 Gemini 2.5 Pro、Claude 4-Sonnet；
高效率：多模态架构优化，性价比提升 3 倍以上；
智能体：数据分析大幅领先，支持端到端的场景落地，实现价值闭环。
通过多模态思维链数据进阶图文交错思维链数据合成，商汤「日日新 V6.5」多模态推理与交互性能实现了大幅提升：
【核心指标】文本推理能力和多模态推理大幅提升，超越 Gemini 2.5 Pro、Claude 4-Sonnet；多模态交互能力超越 Gemini 2.5 Flash 和 GPT-4o，各方面性能突出
商汤「日日新 V6.5」率先突破图文交错思维链技术，在大模型中引入形象思维，成为国内首个实现图文交错思维的商业级大模型。
在人类的思考中，形象思维和逻辑思维同等重要，两者有机结合才能形成全面的思维能力。所谓「一图胜千言」，一幅图往往比大段文字更能引发有效思考。当前，主流的多模态模型虽然已经实现了在输入端融合多种模态，但思考推理过程依然主要依赖语言推理，图形和空间推理仍存在短板。
多模态思维链构造的关键在于信息的图形化表达，相比纯文本思维链更具挑战，不仅要呈现文字思考过程，还需生成作为思考节点的图像，难以通过纯人工方式大规模实现。商汤研发团队先基于对思维过程的理解构造种子数据，经监督微调（SFT）训练让模型初步具备图文交错思考能力，再通过多轮强化学习显著提升多模态推理能力。
同时，商汤还改进了多模态模型的融合架构，促进跨模态早期融合。新的架构采用了显著变轻的视觉编码器，以及深而窄的主干模型，使得视觉表征在前馈计算早期就与语言进行对齐和交融，从而使感知更高效，模态融合更深。
得益于模型架构的改进，商汤「日日新 V6.5」在实现成本优化的同时，预训练吞吐量提升了 20% 以上，强化学习效率提升了 40%，推理吞吐量提升了 35% 以上，取得性能和成本的完美平衡。相较「日日新 V6.0」，「日日新 V6.5」将性价比提升了 3 倍。
Part 2：
AI 是生产力：商汤小浣熊，办公最强智能体登场
大语言模型已成为当下不少人的工作辅助工具，但仅靠大语言模型，不足以让 AI 完成从「工具」向「人」的跃升。
人类的日常任务活动，天然涉及对文本、图像、视频、网页等多模态信息的处理。从生产力工具到生产力，关键就在于多模态信息的输入、处理与输出能力。
基于「日日新 V6.5」强大的多模态数据分析能力，商汤小浣熊全面升级：能够胜任多模态复杂输入，进行多模态融合深入分析，给出多模态结果输出，实现专业的可视化呈现，打造「办公场景的 AI 生产力」，让 AI 实现从「生产力工具」到「生产力」的跨越。
同时，商汤小浣熊始终保持世界领先的复杂数据分析能力。在客户场景的综合测试中，小浣熊达到在数据分析和智能体领域的国际标杆 Claude 4 Opus 的水平，大幅领先 OpenAI o3 等模型。其中，在时序计算、数据匹配、数理计算和异常检测等任务中，准确率均可接近 100%。
现实办公场景中，数据输入形式极为复杂。在数据分析场景中，截图、文档和 PDF 等各类样式的文档屡见不鲜，而其中结构化信息及表格仅占约 70%。即便是看似基础的 Excel 表格，也常包含合并单元格、缺失值、嵌套子表格及内嵌图表等复杂元素，大幅提升处理难度。
商汤小浣熊能够以多模态思维实现全局分析，通过思维链构造进行多步思考与反思，最终输出结构化的结果。
事实上一个表格看着简单，背后的逻辑因果却非常复杂，如今商汤小浣熊可以让复杂表格简单化。
用户上传包含合并单元格、缺失值、子表格、内嵌图表及外部图片的复杂 Excel 表格。商汤小浣熊能够精准解析表格内容，建立子表格间的逻辑关联，最终生成完整的分析报告。
另一个复杂输入的用户案例，小商户在抖音等视频平台刷到有用的表格内容，截图后上传。商汤小浣熊可以通过图片信息分解任务并去除干扰，提取表格信息，一键导出可编辑的 Excel 表格供用户填写，输入、分析、输出全程都有多模态能力支持顺畅进行。
传统 AI 工具多扮演辅助角色，核心工作仍依赖用户主导完成；而商汤小浣熊实现了交互范式的升级——由 AI 主动承担核心任务，并通过精准提问和用户确认关键信息，交互逻辑如同同事协作。
由 AI 主动承担核心任务，并通过精准提问和用户确认关键信息，交互逻辑如同同事协作。
商汤小浣熊如今推出的任务规划功能，其新颖的交互模式更利于用户理解，以前段时间大火的「苏超」为例。
用户上传图像表格，要求分析「苏超」TOP 球员。商汤小浣熊会自动抓取网上信息，并依托专家知识生成任务清单（如确定「TOP5」标准，分析青训成绩等）进行系统性分析，最终生成高质量分析文档，还可导出为 Excel、PPT、HTML 等可编辑格式。整体流程如下↓↓↓
我们来看下分解步骤：当接收任务后，小浣熊会主动梳理任务细节，就关键节点向用户提出明确问题（如「是否需要按以下 1、2、3 点推进？」），以确保任务方向准确，真正实现「AI 主导干活、用户决策把关」的高效模式↓↓↓
接下来就能依据专家知识生成任务清单（如确定「TOP5」标准，分析青训成绩等）进行系统性分析，下一步该做什么、可以怎么商量着做一目了然↓↓↓
专业数据+工具调用，实现高质量内容过程↓↓↓
最终生成高质量分析文档，还可导出为 Excel、PPT、HTML 等可编辑格式↓↓↓
凭借强大的复杂任务处理能力，商汤小浣熊加速向行业渗透，此次推出了面向两大具体场景的特制版本——教育版和金融版。
商汤小浣熊教育版可智能分析学生学习表现、课程效果、学习行为模式分析，目前已覆盖 500+院校、10 余种教育场景、25 万+教师和学生，帮助学生提升学习效率 15~30%，并已在多所学校协助教研团队，降低学业焦虑发生率 40%，课堂参与度提高 2.1 倍，资源错配率降低 30%，心理健康干预及时性提升了 50%。
商汤小浣熊金融版可为金融业提供知识助手、智能问数、多模态智能理赔产品与解决方案，构建金融领域的「人机协同」智能决策新范式。
截至目前，「商汤小浣熊家族」产品矩阵广泛服务多行业企业，用户数量实现 1000 万+。
以多模态技术激活 AI 生产力，商汤日日新大模型将持续进化，与行业共同奔赴下一阶段 AI 进化的新征程，加速通往 AGI 时代。
来源：互联网
