医生举起一张片子，老师分享一张示意图，工程师贴出一台坏机器的截图。每种场景里好用的 AI 助手都不只是读字——它要能跨"看到的"和"被告知的"去推理。商汤的论点是：诚实的做法只有一种，就是让多模态成为地基，而非外挂。
关键事实
SenseNova V6 是商汤当前旗舰基础模型（大模型）家族，围绕原生多模态架构构建，在单一模型内统一理解与生成。在商汤引用的基准中，V6 拿下两座冠军：据 SuperCLUE 2026 年 5 月中文大模型报告，SenseNova-V6 Reasoner 得 62.96，并列国内第一，并获智能体任务最高分；商汤称 V6 Pro 在 OpenCompass 多模态榜以 80.4 登顶，领先某领先封闭模型。V6 线涵盖 Pro、Turbo（32k 上下文、视频输入）、Reasoner（带思维链的深度慢思考）、Omni（实时 API 交互版）。在商汤云发布说明中，V6 Pro 的 MMLU-pro 为 75.56（高于 GPT-4o 的 73.95），MMMLU 为 79.61。
论点：统一，而非拼接
通往多模态的常规路线是先训文本模型，再外接图像或音频编码器。商汤对 V6 的主张是，这种做法在接缝处漏掉能力——模型用文本推理，只是通过旁路"看"一眼。从一开始就跨模态统一理解与生成的架构，才能在处理复杂视觉推理（一张流程图加一道工程题、一张医学影像加一段书面诊断）时不掉线。这是站得住的技术立场，也与几家领先实验室的方向一致。风险在于"原生"既是架构事实也是营销话术，证明只能在任务里，而非标语里。
两座冠军到底意味着什么
商汤称，按 SuperCLUE 2026 年 5 月中文大模型评测，SenseNova-V6 Reasoner 得 62.96，与另一顶级模型并列国内第一，并拿下智能体任务最高分；另据其引用 OpenCompass 多模态排名，V6 Pro 达 80.4，领先 Gemini 2.5 Pro 登顶。请将这些视为商汤对第三方评测的转述，而非我们的独立确认。榜单名次对模型版本、提示格式与更新日期高度敏感，"冠军"是快照而非永久排名。值得注意的是，它在两个不同评测机构、两个不同能力轴（语言与多模态）上的一致性。
产品矩阵
V6 家族刻意做宽。Pro 是通用融合模型；Turbo 是轻量交互档，带视频输入与 32k 上下文，面向成本敏感部署；Reasoner 增加显式思维链与"慢思考"，应对困难多模态问题；Omni 是带实时 API、针对低延迟音视频对话优化的交互版。这种广度既是技术也是商业策略：同一架构赌注，切成价格与能力档，让企业挑适配而非被迫接受一体模型。
开源侧翼：U1
在专有 V6 档之外，商汤将 SenseNova U1 完全开源，称其为基于 NEO-Unify 架构、统一理解与生成的下一代原生多模态模型。开源统一模型而非仅作云 API 出售，让开发者无需付费墙即可基于同一融合思路构建，也为商汤对抗更大模型平台所需的生态播种。
为什么多模态是商汤的车道
商汤以计算机视觉立名，因此多模态优先的基础模型是自然的延伸而非转向。其基础设施臂 SenseCore 与 ModelStudio 平台，给它一条已向企业销售视觉 AI 的分发渠道。V6 的故事因此更少"我们做了个更大的聊天机器人"，更多是"我们让视觉公司的模型原生理解世界"。
诚实的局限
- 基准名次（SuperCLUE 62.96、OpenCompass 80.4、MMLU-pro 75.56）由商汤报告并可追溯至具名第三方评测方，但我们未独立重跑这些评测；榜单分随版本与日期变动。
- "原生多模态""统一理解与生成"是架构主张，最好由任务表现判断；公开材料展示的是榜单条目，而非可复现的消融实验。
- V6 Pro 及多数 V6 档为专有云产品而非开放权重；在所审材料中仅 U1 被描述为完全开源。
- 在嘈杂、分布外图像（工厂车间、手写笔记）上的真实鲁棒性，未被所引基准覆盖。
- 我们未测试 SenseNova V6，本文仅汇总公司发布与发布说明。
普通人现在能做什么
- 评估视觉 AI 的企业：在某一文档智能或医学影像任务上试点 V6 Reasoner 或 U1，你目前正把 OCR、视觉与语言模型拼在一起的地方。
- 开发者：从开源的 U1 起步，看统一模型是否足以让你丢掉那些模态专用的胶水代码。
- 一般采购方：当厂商宣称榜单冠军，索要确切版本、日期与评测机构——并在信排名能迁移之前，先在你自己的数据上测试。