商汤这次不拼参数,拼审美:动态 PPT、动态海报、能接着改的 Blender 工程

11月2日，商汤发布日日新 SenseNova 6.8 Flash 正式版。整场发布没有提参数规模，讲的是一件事：AI 交出来的东西，能不能接着用。

这句话听起来虚，但它戳的是一个真问题。 过去两年，设计类 AI 的交付物基本是"一张好看的图"。图好看，但你不能改：字体是像素、层级是平的、动效得自己重做、想换个尺寸就报废。从"生成"到"生产"，中间隔着的不是审美，是可编辑性。

先看它具体改了什么。三个场景，都是从"生成结果"往"生成工程"挪。

动态 PPT。 官方的说法是，把"叙事节奏"纳入生成目标——先梳理每一页要传达什么、哪里需要停顿、哪句要重点强调，再据此编排动效。转场类型、元素入场顺序、图表生长方式、版式规范在同一次生成里统一考虑，最后输出的是 PPTX，动效和页面结构是对得上的。

这件事难在哪，懂行的人一眼就看出来。 普通做法是先生成静态页，再往上叠动画，结果是动画和内容各说各话——重点句还没出来，装饰先飞完了。要让动效服务信息层级，模型得先理解"这一页想让人记住什么"。这已经不是绘图能力，是叙事能力。

动态海报。 同理，不是让图动起来，而是把主体视觉、文字层级、动效编排放在同一次生成里统筹：主视觉的运动幅度、文字出现的位置和时机互相配合，时间轴节奏服务于信息层级。成品能发社交媒体，也能沿用同一套视觉语言延展成系列素材。

这条对做投放的人价值最大。 一个 campaign 出十张素材，过去得保证十次风格一致；现在只要一次定下视觉语言，后面是派生。省的不是设计时间，是一致性成本。

动态 3D，接 Blender。 用户提需求，Agent 生成场景初版，结合实际渲染结果和用户反馈持续调整，多轮"生成—观察—反馈—修改"之后，输出的是可继续编辑的 Blender 工程。

官方举的例子很具体： 在 Blender 里做卢浮宫场景，第一版出来屋顶、金字塔位置有偏差，可以指着这些具体部位修正；还能追加要求，比如加天气动画效果。

这一条在技术路线上跟"文生 3D"是两回事。 文生 3D 直接吐网格或体素，看着像，但拓扑乱、面片冗余、没有真实尺寸；Blender 工程路线走的是参数化建模，几何带约束、尺寸带数值、下一步能接着改。前者给你一张概念图，后者给你一份能进生产管线的文件。

但官方自己挂了一个限制：这个功能依赖本地环境搭建，并且需要用户多轮交互完成。 这句话很重要——它意味着"一句话出片"在这儿不成立，你得装环境、得盯着改、得一轮轮提意见。 这不是全自动，是人机来回。

设计能力的其余几块也一并列了： 网页设计（页面布局、字体排版、色彩搭配、视觉素材风格统一，能出简约品牌风、创意视觉风、科技产品风）；SVG 设计（矢量图形与动画，可无损缩放、可二次编辑）；3D 网页建模（空间布局、材质光照、镜头控制、动画编排，网页里实时渲染）；以及接入 Figma，把 AI 生成接进设计师现有工作流。

另一条主线是"长期记忆 + 主动交互"，这个比设计更值得注意。

官方给了一个案例： 你曾向某客户推荐一款企业 AI 产品，客户因为产品不支持私有化部署拒绝了。一个月后产品升级，恰好补齐这项能力。你在准备销售例会材料时，模型把新版本的功能变化和此前记录的客户需求对上了，主动提醒你——这个曾经拒绝的客户，现在有重新跟进的价值。

它不只记得"为什么被拒"，还整理了功能对比。 另一个场景是岗位交接：员工调岗，要交的不只是客户名单，还有合作进度、沟通习惯、需求反馈，以及那些没写进正式文档的经验。模型可以基于已授权的历史工作资料，把这些整理出来。

"每一次事后补救，转成提前预警"——这是官方的话，方向是对的。 但落地的前提很硬：得有足够长、足够干净的历史记录，并且用户愿意授权模型读这些记录。大多数公司的客户信息散在微信群、邮件、个人笔记本里，这套能力的第一步就卡住了。

现在看评测，这里必须小心。

官方说，在智能体协作、数据分析与演示生成等场景上"超过部分国际前沿模型"，在行业模型中"处于明显领先"。 榜单列了一堆：AutomationBench、WorkbuddyBench、TeamBench、DataAnalysis2.0、RaccoonPPTBench v2、BrowseComp、LongMemEval-S、BEAM 128K、PersonaMem-v2。

问题就出在这里：DataAnalysis2.0 和 RaccoonPPTBench v2 是商汤内部自研的基准。 官方注释写得很清楚，前者评"数据理解、分析推理与结果交付"，后者评"内容组织、视觉表达与成品质量"，都是自己出的题。这两项上"超过国际前沿模型"，严格说只说明它更符合商汤自己定的标准。 拿自研基准跟别人的通用模型比，逻辑上先天吃亏——不是作弊，但也没法当独立证据。

公开基准那部分，数字反而更硬。 长期记忆类的 LongMemEval-S 上，SenseNova 6.8 Flash 拿到 96.67 分，同场第二高是 77.71；BEAM 128K 上 93.33 分，第二高 73.75。这两个差距接近 19 和 20 分，不是小数点级别的领先。 对照模型包括 GPT-6 Luna、DeepSeek V4.1 Flash、GLM-5.3 Flash、MiniMax M3、Claude 5.5 Haiku、Gemini 6.3 Flash 等。

长期记忆这项能力，跟前面那个"提醒你客户可以重新跟进"的案例是同一条线。 记忆评测拿高分，才有资格谈主动交互。所以这两个分数比设计演示更能说明这套产品的底子。

顺带说一个不太显眼但重要的动作：商汤开源了 SenseNova Loop-9B-Preview。 用的是 Looped Transformer 架构加流形约束超连接，只有 32 个不同的解码层，循环执行出 56 次解码层计算，用约 9B 参数的存储量拿到接近 27B 级模型的表现。这是架构层面的探索，跟 6.8 Flash 不是一回事，但放在一起看能看出商汤在两条腿走：一条做交付，一条赌下一代架构。

放到竞争格局里，商汤这次的选择其实挺清醒。

国内做通用模型，参数和榜单已经卷到没什么差异化空间。 6.8 Flash 走的是另一条：不跟你在 MMLU 上比，比的是"这份 PPT 能不能直接用""这个场景工程能不能接着改"。这是把评价标准从"模型多聪明"换到"活儿干得怎么样"——换赛道，而不是在同一条道上追。

风险也很清楚。 一是自研基准的公信力问题，这个短期内解决不了。二是"可编辑"这件事的完成度，Blender 那条明确依赖本地环境和多轮交互，离"提一句就行"还有距离。三是长期记忆的能力边界——评测分高不等于企业真敢把客户资料全交出去，数据授权和隐私这条线，才是这类功能能不能规模化的真正闸门。

最后说一句判断。 商汤这次最有价值的一句话是"从静态网页到可继续编辑的工程"。AI 设计工具比拼的下半场，不在生成得多好看，在交付物能不能直接进入别人的工作流。 一张图再美，设计师还得重画一遍；一份能打开、能改参数、能导出的工程文件，才是真省了工。

至于它是不是真的赢了国际前沿模型——等第三方把 DataAnalysis2.0 和 RaccoonPPTBench 之外的那几项复现出来再说。

【总结】 11月2日，商汤发布日日新 SenseNova 6.8 Flash 正式版，重点从内容生成转向任务执行与可用交付物。核心能力分两条线。一是设计交付：动态 PPT（把叙事节奏纳入生成目标，转场、入场顺序、图表生长方式与版式在同一次生成中统一考虑，输出 PPTX）、动态海报（主体视觉、文字层级与动效编排统筹考虑，可延展为系列素材）、动态 3D（通过 Agent 与 Blender 多轮"生成—观察—反馈—修改"，输出可继续编辑的 Blender 工程，官方注明依赖本地环境搭建与用户多轮交互）、网页设计、SVG 矢量设计、3D 网页建模，并可接入 Figma 工作流。二是长期记忆与主动交互：能关联产品版本变化与此前客户需求并主动提醒跟进，也可基于授权资料整理岗位交接信息。评测方面，官方称在智能体协作、数据分析与演示生成上超过部分国际前沿模型；榜单含 AutomationBench、WorkbuddyBench、TeamBench、BrowseComp、LongMemEval-S、BEAM 128K、PersonaMem-v2，以及商汤内部自研的 DataAnalysis2.0 与 RaccoonPPTBench v2。公开基准中 LongMemEval-S 得 96.67（同场次高 77.71），BEAM 128K 得 93.33（次高 73.75），对照模型含 GPT-6 Luna、DeepSeek V4.1 Flash、GLM-5.3 Flash、MiniMax M3、Claude 5.5 Haiku、Gemini 6.3 Flash 等。同期商汤开源 SenseNova Loop-9B-Preview，采用 Looped Transformer 加流形约束超连接，用 32 个不同解码层循环执行出 56 次解码层计算，以约 9B 参数存储取得接近 27B 级表现。模型已开放体验，渠道包括 SenseNova Studio（Design 实验版）、SenseNova Token Plan、商汤小浣熊（限免至 2026年12月1日）。