日日新融合大模型 - 商汤科技推出的原生融合模态大模型

日日新融合大模型是什么

“日日新”融合大模型（SenseNova）是商汤科技在 2025年1月10日正式推出的多模态大模型。它做的是原生融合模态，深度推理能力和多模态信息处理能力都有大幅提升，文本、图像、视频都能处理，模态之间的限制被打通。在 SuperCLUE 和 OpenCompass 两个权威评测榜单上它都拿了第一，被叫作“双冠王”。

日日新融合大模型的主要功能

• 图像识别与分析：图里的内容能认也能分析，模糊的文本、复杂的场景都在范围内。
• 视频处理：视频内容能处理，关键信息能提出来，还可以做视频编辑和生成这类操作，视频交互的体验更好。
• 语音识别与合成：语音加上自然语言处理，交互顺手一些，语音客服、在线教育这类场景用得上。
• 文本处理：文本理解和生成是基本功，表格、文本、图片、视频混在一起的富模态文档也能处理。
• 数学计算与逻辑推理：复杂的数学题解得动，比如比较 2 的 31 次方和 3 的 21 次方哪个大，它用对数函数的方法给出解答。
• 数据分析与决策支持：图表里的信息读得出来，抓重点、给结论，做决策时有个参考。

日日新融合大模型的技术原理

• 原生融合模态：文本、图像、视频这些信息可以同时处理，不像传统大语言模型只吃单一文本输入。
• 融合模态数据合成：
  • 逆渲染技术：逆渲染技术把图像和文本数据融合起来，造出大量合成数据。这些数据在图文两种模态之间搭起很多交互桥梁，模型对模态之间关系的掌握就更扎实。
  • 基于混合语义的图像生成：混合语义生成技术又给融合模态数据补了一层，模型对多模态信息的理解能力跟着提上来。
• 融合任务增强训练：跨模态任务建了一整套，训练的地基打得比较实。任务里既有传统的文本处理，也有图像识别、视频分析这些多模态的活，业务场景多的时候模型能接住需求。
• 深度推理能力：
  • 文理兼修：SuperCLUE 年度评测里，文科成绩 81.8 分排全球第一，理科成绩拿了金牌，计算这一维度 78.2 分排国内第一。
  • 复杂问题解决：表格、文本、图片、视频混排的富模态文档处理得了，推理也给得比较深。

日日新融合大模型的项目地址

• 项目地址：https://platform.sensenova.cn/home

日日新融合大模型的应用场景

• 自动驾驶：复杂的多模态信息能处理，决策能力跟着往上提。
• 视频交互：视频内容的生成、编辑和分析都做得更快。
• 办公教育：复杂的富模态文档处理起来不费劲，办公和教学省时间。
• 金融：多源异构数据能分析和处理，风险评估、投资建议给得比较准。
• 园区管理：园区的管理效率和安全性都能往上提。
• 工业制造：生产流程和质量控制可以优化。