当顶级模型还在炫技，商汤把「能交付」做成了国产AI的胜负手

过去一年，大模型发布会的叙事正在悄悄换轨。曾经满屏的跑分榜单和参数规模，如今被一段段「做出来的东西」取代——一个能交互的网页、一份自动改好的文件、一张可以直接投放的动态海报。评判标准从「模型有多聪明」转向「它能不能把活干完」。商汤科技近期推出的多模态智能体模型日日新 SenseNova 6.8 Flash，正是踩在这个转折点上的一次尝试，其主打概念是「委派智能」：用户只交代目标，AI 自主走完流程，人负责验收。

从「会答题」到「会交活」，评测维度已经变了

要看懂这类产品的定位，先得理解它被放在什么坐标里衡量。在办公自动化、多步骤协作、数据分析等方向的基准测试中，SenseNova 6.8 Flash 在 TeamBench 与 DataAnalysis2.0 上位列第一，在 AutomationBench、WorkbuddyBench、RaccoonPPTBench v2 和 BrowseComp 上排名第二。而在考察长期记忆的评测里，它在 BEAM 128K 上与 GPT 6 Luna 并列首位，在 LongMemEval-S 和 PersonaMem-v2 上则紧随 Claude 5.5 Haiku 之后。

这组成绩透露的信息比排名本身更有意思：评测重心已经从单点问答迁移到「多步骤任务能否闭环」「跨会话记忆能否保持」这类工程化指标。换句话说，行业开始用「交付质量」而非「知识广度」来给模型打分。关于这一评测范式的演进，可参考 AgentBench 等智能体基准 的研究脉络。

实测拆解：设计类任务的门槛被压到了哪里

在商汤旗下的小浣熊客户端完成插件与技能配置后，即可新建任务进行体验。以下四类产出，基本覆盖了日常最耗人力的设计场景。

动态网页：从「能看」到「能上线」

以「一排逐渐升起的书籍」为主体，复刻一个名为 Folio 的 3D 书店首页。页面加载时，标题由模糊渐显，书脊从左下角斜向滑入，鼠标悬停时单本书会向外弹出。这种交互密度，过去需要设计师出图、前端写代码、反复联调才能实现。

品牌官网：留白与质感的分寸

换一个题材，让一只仿生灵巧手作为视觉中心：黑色机械手自底部升起，手指开合，金属关节随光反射，左下角仅保留一句标语与预约按钮。整体克制，混入真实品牌站点中并不违和。

动态海报与 SVG 动画

为虚构柑橘气泡水制作横版海报，动效藏在瓶身之后，橙色圆形铺展、橙片旋入旋出，12 秒首尾衔接可无缝循环。另一段 22 秒的 SVG 动画则完全由代码绘制矢量图形，人物步态、下蹲重心变化与镜头推拉都较为自然，叙事完整无需旁白。

动态 PPT：提案场景的完成度

以虚构望远镜 NOCTIS S80 的发布会为主题生成动态演示文稿，用于内部评审或客户提案，完成度已具备实用价值。

长期记忆才是「委派」成立的前提

设计能力只是表层，真正决定能否「把活交出去」的是记忆与主动交互。一个典型场景可以说明问题：一个月前公司产出的市场分析报告与销售培训材料，均引用了同一份行业调查——1000 家制造业企业中 58% 已使用企业知识库，培训页据此写成「超过半数」，且该页 11 月仍要继续使用。

当用户仅要求准备一份图表转载申请时，Agent 在核查研究机构回复的过程中发现对方已于 10 月 30 日更正数据：原先被计入的 100 家仅为试用、未签付费合同的企业被剔除，比例由 58%/42% 调整为 48%/52%。它随即把这条更正与一个月前的记忆关联，主动提示培训材料仍在引用旧数据，建议核对。用户确认后，系统生成两份 v2 待审稿与一份修订清单，原件保留，条形图比例与「超过半数」的结论同步改为「占 48%，未过半数」。

这个链条的价值在于：任务边界之外的风险被主动识别，但最终决定权仍留在人手里。数据更新而旧材料无人更新，是组织里极常见的隐性损耗，长期记忆加主动提醒正好切中这一痛点。

国内视角：交付竞赛里的国产方阵

把视野拉回国内，这条「少晒跑分、多交成品」的路线并非商汤独行。DeepSeek 持续在开源 Agent 底座架构上发力，通义千问与文心一言把多模态生成能力嵌入办公套件，豆包、Kimi、智谱 GLM、讯飞星火也都在文档处理、演示生成、长上下文记忆等方向快速迭代。差异在于侧重点：有的强在通用推理与开源生态，有的强在与既有办公流的深度耦合，而商汤这次把筹码押在「多模态设计产出 + 跨会话记忆」的组合上，试图用可直接验收的成品来定义价值。

对普通用户而言，这种竞争带来的最直接变化是可得性。海外头部模型的新版本往往先小范围灰度，多数人只能隔着社交平台看别人晒结果；而国产模型普遍选择发布即可上手，限时免费进一步压低了试错成本。

门槛下移之后，人的角色是什么

过去做一个带 3D 动效的官网，链路是设计师出图、前端实现、多轮修改；现在只需把想要的效果描述清楚。办公场景里，人的位置则从「埋头执行」变成「审阅拍板」。两条线索最终指向同一个词——交付。模型的能力上限由厂商定义，而它能产生多少价值，取决于有多少人真的用得上、用得顺。

对于想上手体验的读者，可参考 商汤日日新官方页面 了解模型能力与接入方式，也可结合 多模态智能体的研究综述 理解其技术定位。

常见问题

SenseNova 6.8 Flash 是什么？

它是商汤科技推出的多模态智能体模型，核心主张是「委派智能」——用户给出目标，模型自主完成网页、海报、PPT、SVG 动画等产出，人负责验收。

它在哪些评测中表现突出？

在 TeamBench 与 DataAnalysis2.0 上排名第一，AutomationBench、WorkbuddyBench、RaccoonPPTBench v2、BrowseComp 上排名第二；长期记忆方面 BEAM 128K 与 GPT 6 Luna 并列第一。

长期记忆能力有什么实际用处？

它能记住此前的材料与数据来源，在后续任务中发现上游数据更正时主动提示旧材料需同步修改，并生成待审稿与修订清单，避免组织内的信息滞后。

和海外顶级模型相比有什么差异？

海外新模型常先小范围灰度，多数用户难以及时体验；国产模型多采用发布即可用、限时免费的策略，在可得性与落地速度上更具优势。

普通用户如何开始使用？

在商汤小浣熊客户端中安装本地运行环境、浏览器能力、文档预览、视频生成等插件，并在能力中心安装海报与动态 PPT 相关技能后，即可新建任务。

关于 Bingdada

Bingdada 是一个专注 SEO、GEO（生成式引擎优化）与 AEO（答案引擎优化）的内容平台，由资深内容编辑、SEO 技术工程师与 AI 研究专家组成的团队持续运营。我们追踪搜索引擎与生成式 AI 的最新动态，为读者提供准确、实用、可落地的方法论与行业洞察。

编辑团队：内容策划 · 技术编辑 · AI 研究组
网站：bingdada.com

© 2026 Bingdada. 保留所有权利。