日日新SenseNova V6

日日新SenseNova V6 – 商湯推出的多模態(tài)融合模型系列

日日新SenseNova V6

日日新SenseNova V6是商湯科技推出的第六代多模態(tài)融合大模型系列，基于6000億參數(shù)的多模態(tài)MoE架構(gòu)，能夠原生地融合文本、圖像和視頻信息。該模型在純文本和多模態(tài)任務(wù)中表現(xiàn)出色，多項(xiàng)性能指標(biāo)超越了GPT-4.5和Gemini 2.0 Pro等國際主流模型。

日日新SenseNova V6是什么

日日新SenseNova V6是商湯科技推出的最新一代多模態(tài)融合大模型系列，采用6000億參數(shù)的多模態(tài)MoE架構(gòu)，能夠?qū)崿F(xiàn)文本、圖像和視頻的無縫融合。該模型在純文本任務(wù)及多模態(tài)任務(wù)中展現(xiàn)了卓越的性能，多個(gè)指標(biāo)均超越了當(dāng)前領(lǐng)先的模型如GPT-4.5和Gemini 2.0 Pro。

日日新SenseNova V6提供四個(gè)不同版本，其中SenseNova V6 Pro具備6200億參數(shù)的混合專家架構(gòu)，支持文本、圖像和視頻的原生融合，對(duì)標(biāo)國際主流模型；SenseNova V6 Reasoner Pro則具備推理能力，能夠協(xié)助解決復(fù)雜問題；SenseNova V6 Video專注于視頻理解，適合教育和文旅等場景；而SenseNova V6 Omni則是輕量級(jí)全模態(tài)交互模型，提供實(shí)時(shí)互動(dòng)體驗(yàn)。該模型具備強(qiáng)大的推理、交互能力及長時(shí)記憶，能夠?qū)χ虚L視頻進(jìn)行深入解析，并在實(shí)時(shí)音視頻互動(dòng)中準(zhǔn)確回答問題，展現(xiàn)情感化的表達(dá)。其應(yīng)用涵蓋教育輔導(dǎo)、具身智能等領(lǐng)域，為機(jī)器人賦予大腦、眼睛、耳朵和嘴巴等功能。

日日新SenseNova V6的主要功能

視頻處理與分析：支持對(duì)中長視頻進(jìn)行深入的推理和分析。
實(shí)時(shí)音視頻交互：能夠精確回答關(guān)于視頻內(nèi)容的問題，如人物關(guān)系和情節(jié)發(fā)展等。
教育輔導(dǎo)：識(shí)別手寫內(nèi)容，幫助孩子們解決數(shù)學(xué)題，提供一對(duì)一的引導(dǎo)式教學(xué)。
情感理解與表達(dá)：具備高度擬人化的感知、表達(dá)和情感理解能力，能夠根據(jù)不同的對(duì)話內(nèi)容和場景需求調(diào)整語氣和情感。
具身智能：賦予機(jī)器人更強(qiáng)的感知與交互能力。

日日新SenseNova V6的技術(shù)原理

原生多模態(tài)融合訓(xùn)練技術(shù)：將文本、圖像、視頻和音頻等多種信息在模型架構(gòu)和訓(xùn)練過程中深度融合，避免傳統(tǒng)方法中增強(qiáng)某一模態(tài)導(dǎo)致其他模態(tài)能力下降的問題，從而更好地處理復(fù)雜場景并捕捉跨模態(tài)細(xì)節(jié)。
多模態(tài)長思維鏈合成技術(shù)：通過多智能體協(xié)作，實(shí)現(xiàn)超長思維鏈的生成與驗(yàn)證，使模型具備長時(shí)間和多步驟的深度思考能力，適用于數(shù)學(xué)推導(dǎo)、科學(xué)分析和長文檔理解等場景。
多模態(tài)混合增強(qiáng)學(xué)習(xí)：結(jié)合人類偏好的RLHF和基于確定性答案的RFT，平衡模型的邏輯推理能力與情感表達(dá)能力，確保在提升推理能力的同時(shí)，能自然地表達(dá)情感。
長視頻統(tǒng)一表征和動(dòng)態(tài)壓縮：實(shí)現(xiàn)跨模態(tài)信息的高效對(duì)齊與壓縮，將畫面、語音、字幕及時(shí)間邏輯統(tǒng)一編碼，形成連貫的時(shí)序表征，大幅提升處理效率。