Toolifai logo
Toolifai 编辑整理

商汤-日日新大模型API

其他

原生多模态通用大模型系列

原生多模态通用大模型系列，其核心能力覆盖文本、图像、视频、语音的融合处理与端到端交互

访问官网
国内可访问官网检测异常收录证明开发者认领
官网预览官网首页：商汤-日日新大模型API 界面预览（2026.10.18 截图）1 / 1
适用对象
中小团队开发者搭建多模态内容工具时使用
主要功能
多模态融合处理、端到端交互支持
平台
网页
已收录
2026.10.18（21 天）
阅读目录

编辑评测与站内热度

全站热度排名

待评估

分类内排名

待评估

累计站内点击

3

近 7 日点击

2

排名与点击为站内真实统计口径，反映 Toolifai 用户行为，非编辑评分。

商汤-日日新大模型API是什么，怎么使用？

约 5 分钟

商汤-日日新大模型API，原生多模态通用大模型系列，其核心能力覆盖文本、图像、视频、语音的融合处理与端到端交互

商汤-日日新大模型API是商汤推出的原生多模态通用大模型开放接口，面向有开发或集成需求的用户，解决多模态内容处理时需对接多个不同单模态接口的繁琐问题。用户可通过官方web端完成接口申请与调试，将覆盖文本、图像、视频、语音的处理能力接入自有业务流程，不用分别适配不同厂商的单模态模型接口，减少多模态场景下的对接调试成本。

它的能力边界集中在多模态内容的融合处理与端到端交互，不涉及垂直领域的定制化模型训练服务。如果你正在搭建需要同时调用文本生成、图像解析、语音转写、视频内容理解的应用，且不想拆分多个接口做数据对齐，选它会比零散对接单模态工具更适配。

主要功能

  • 多模态融合处理：可同步调用文本、图像、视频、语音四类模态能力，不用拆分多个独立接口适配
  • 端到端交互支持：输入跨模态混合内容可直接输出对应处理结果，省去中间格式转换的额外步骤
  • web端调试面板：在官方网页内可直接完成接口参数调试，快速验证不同模态组合的输出效果
  • 标准化开放接口：适配常规开发调用规范，可直接嵌入多数现有业务系统的内容处理链路

怎么使用

  1. 打开商汤日日新大模型官方网页，注册并完成开发者身份核验
  2. 进入模型列表页，找到对应多模态API的申请入口提交使用申请
  3. 申请通过后在控制台获取专属调用密钥，在web调试面板测试基础调用效果
  4. 参照官方提供的开发文档，将接口参数配置接入自有业务系统完成联调

适合什么人群

  • 中小团队开发者搭建多模态内容工具时使用
  • 内容平台运营批量处理图文音视频混合素材
  • AI应用创业者快速验证多模态交互类产品原型
  • 企业技术人员打通内部多模态数据流转链路

商汤-日日新大模型API

商汤-日日新大模型API是商汤科技推出的原生多模态通用大模型系列工具，官方介绍中称其核心能力覆盖文本、图像、视频、语音的融合处理与端到端交互，主要面向需要调用大模型能力的开发者、企业技术团队等群体，解决跨模态内容生成与交互的技术落地问题，填补单一模态工具无法处理多类型媒体数据的空白。

核心能力

该API具备跨模态融合处理能力，能将文本、图像、视频、语音的输入数据进行统一编码，生成跨模态关联的输出结果，运作时无需用户单独处理不同模态数据的格式转换，依赖商汤自研的多模态预训练模型框架，可直接调用已训练的模型参数完成任务。它的跨模态处理仅支持预设的模态组合，无法自行扩展未训练的模态类型，也不能处理存在严重失真的输入数据。该API支持端到端交互流程，能接收用户的连续多模态输入并生成连贯的输出，运作时会保留上下文的模态关联关系，不会割裂前后输入的内容逻辑，依赖会话状态的临时存储机制，可在单一会话内维持交互连贯性。它的会话存储仅覆盖当前请求周期，无法跨会话保留历史数据，也不能处理超过单会话容量的长序列内容。该API提供定制化模态处理选项，允许用户指定不同模态的权重分配，运作时会根据权重调整各模态数据在生成过程中的贡献度，依赖权重参数的可配置接口，仅支持官网公示的预设权重范围，不能自定义超出范围的权重值。它的权重调整仅影响输出的模态相关性，无法改变模型本身的基础能力边界，也不能用于提升低质量输入的处理效果。

工作方式

用户进入商汤日日新大模型API的官方平台后，需先完成开发者身份认证，获取调用所需的接口密钥，接着在官网提供的参数配置界面，选择所需的模态组合、权重参数及输出格式，随后将包含文本、图像、视频或语音的输入数据按指定格式上传，提交请求后等待模型处理。该API的产出物形态以结构化数据为主，包括文本内容、图像生成结果、视频片段及语音转录文件，可直接对接下游应用的开发需求。

典型场景与产出

开发者开发跨模态内容生成应用时，会调用该API处理用户上传的图文混合输入，产出符合指定风格的图文结合内容，用于社交平台的内容自动生成，无需单独对接文本与图像工具，能节省多模态处理的开发时间。企业构建智能客服系统时，会调用该API处理用户的语音输入与文字问题，产出语音应答内容，同时生成文字回复的结构化数据，用于客服系统的多渠道响应，无需分别对接语音与文本处理工具。影视后期团队处理素材时，会调用该API上传视频片段与文本标签，产出带文本标注的视频剪辑片段，用于快速筛选符合要求的素材，无需手动添加标注内容。

适用边界

该API不适合仅处理单一模态数据的简单任务，也不适合需要完全自定义模型参数的深度定制场景，其已知局限包括无法处理未训练的模态类型、无法跨会话保留历史数据，需要绕开的坑是不要上传严重失真或格式错误的输入数据，替代工具可选择单一模态的专用API，需查看官网的模型支持列表确认适配性。

编辑点评

商汤日日新大模型API的跨模态融合处理能力覆盖多类媒体数据，能简化开发者的多模态应用开发流程，但目前仅支持预设模态组合，无法扩展自定义模态类型，会话存储的时间限制也会影响长交互场景的使用，费用与具体功能细节以官网公示为准，数据隐私相关规则可查看官网帮助中心的隐私政策说明，建议开发者在调用前确认自身任务的模态需求是否在官网支持范围内。

优点与不足

优点

  • 单接口可覆盖四类模态的内容处理需求，不用分别对接多个单模态工具
  • web端自带调试面板，无需本地配置开发环境就能快速验证调用效果
  • 原生多模态设计，跨模态内容交互的衔接流畅度优于拼接的单模态接口

不足

  • 暂不提供垂直领域定制化模型训练的相关配套服务
  • 界面默认无全中文本地化选项，部分专业术语需自行对照理解

能帮你做的 6 件事

  1. 01多模态融合处理
  2. 02端到端交互支持
  3. 03web端调试面板
  4. 04标准化开放接口
  5. 05中小团队开发者搭建多模态内容工具时使用的日常效率工具
  6. 06在网页等多端直接使用

更新历史

  • 商汤-日日新大模型API 收录进 Toolifai 目录
  • 页面资料核验与信息更新

常见问题

没有多模态开发经验能上手吗

可以，官方web端提供可视化调试面板，不用写复杂代码就能测试基础功能，配套的帮助中心有分步指引，新手可先从调试面板入手熟悉能力，再逐步对接自有系统。

有帮助吗

调用费用是怎么计算的

该工具未标注固定定价类型，不同模态的调用计费规则存在差异，具体收费标准以官网公示的定价页内容为准，新用户可查看官网是否提供初始免费调用额度用于测试。

有帮助吗

上传的业务数据会被留存吗

该工具的用户数据处理规则以官方隐私政策为准，常规调用场景下不会留存用户上传的私有业务数据，涉及敏感数据的使用场景可提前查看官网隐私政策的对应条款确认细节。

有帮助吗

支持垂直领域定制训练吗

不支持，它仅提供通用多模态大模型的开放调用能力，不提供针对特定垂直行业的定制化模型训练服务，有定制训练需求的用户可查看官网其他相关服务板块。

有帮助吗

开始使用 商汤-日日新大模型API

从官方入口了解最新功能与使用方式。

前往官网

由 Toolifai 编辑维护

欢迎产品方补充截图、功能介绍与官方资料。更新和纠错由编辑审核后发布。

参考来源官方产品介绍最近核验 2026.10.18
提交资料更新邮件反馈

大家对 商汤-日日新大模型API 的点评

加载中…

写点评

每周三，一封 AI 工具周刊

编辑精选本周值得试的新工具与真实用法，5 分钟读完，已连续更新 5 期。

每周一封，随时可退订。往期内容见AI 工具周刊归档。

推荐产品

推广
百度AIBaidu AI是百度推出的智能对话交互平台，核心定位为结合搜索能力与生成式技术的AI助手。平台支持多轮对话交互，可实现信息检索整合、内容创作辅助、多模态内容生成等核心功能，面向学生、职场人士、内容创作者、科研人员等群体，可满足日常信息查询、工作报告撰写、学习资料整理、创意灵感产出等多场景使用需求，无需复杂配置即可通过网页端直接访问使用。文心大模型文心大模型是百度推出的生成式AI服务平台，依托深度学习技术为用户提供多模态AI创作与交互能力。核心功能包括多轮智能对话、多风格文本生成、跨模态文生图、多模态理解分析等，可满足内容创作、创意策划、信息查询、知识学习等多类需求。目标用户覆盖内容创作者、学生、职场人士、科研人员、企业运营人员等，适用于文案撰写、创意构思、作业辅助、工作提效、行业解决方案搭建等多种场景。豆包豆包是字节跳动推出的AI虚拟助手，核心定位为面向大众的通用型智能交互工具，可提供信息查询、内容创作、多模态交互三类核心服务。支持用户获取各类常识资讯、生成不同体裁的文本内容，还能识别图像、音频信息完成对应任务，覆盖学生、职场人士、内容创作者、普通生活服务使用者等多类群体，可应用于日常学习辅助、职场办公提效、生活问题解答、休闲互动交流等多个场景，帮助用户降低信息获取与内容产出的成本。ChatGPTChatGPT是由OpenAI开发的AI对话类工具，搭载GPT-4o、o1等多款模型，具备多模态交互、多场景内容生成、专业领域辅助等核心能力。面向职场人士、学生、创作者、开发者等多类群体，可支持日常办公信息梳理、作业思路拓展、创意内容产出、开发代码调试等多种场景，帮助用户提升信息处理与内容产出的效率，满足不同领域用户的多样化AI使用需求。淘宝星辰淘宝星辰是搭载于淘宝平台的大模型服务，核心定位是为电商经营场景和消费场景提供智能化支持。其核心功能包含经营端的智能运营辅助、消费端的个性化推荐匹配、通用场景的知识问答与创作生成，同时具备决策规划及代码相关辅助能力。服务覆盖淘宝平台商家、普通消费者、电商从业者等群体，可满足商家撰写商品文案、分析店铺数据、制定营销方案的需求，也能帮助消费者快速找到适配自身需求的商品、获取生活服务相关建议，还可为相关从业者提供基础的决策参考与技术辅助支持。DeepSeek-R1-Lite-PreviewDeepSeek-R1-Lite-Preview是深度求索（DeepSeek）推出的聚焦推理能力的AI模型预览版本，核心定位是为用户提供具备长链条逻辑推导能力的智能交互服务。核心功能包括数学问题推理求解、多领域逻辑任务处理、透明化思考过程展示，可将每一步推导逻辑同步呈现给用户。目标用户覆盖科研人员、教育工作者、开发者、学生、企业技术人员等群体，适用于数学题解验证、技术问题推导、逻辑类任务原型开发、推理类AI应用功能测试等场景，帮助用户完成需要复杂逻辑思考的相关任务。腾讯文档Ardot是腾讯推出的多功能AI助手产品，核心定位是为用户提供覆盖内容创作、视觉设计、互动咨询等场景的智能化服务，帮助用户优化数字化工作流程。其核心功能包括多模态内容生成、智能图像创作、多轮互动对话等，支持用户快速产出文案、海报、插画等各类数字内容。目标用户覆盖内容创作者、设计从业者、办公人群、学生群体等，可应用于日常文案撰写、营销物料制作、知识查询、创意灵感发散等多种场景，帮助用户降低内容产出的时间成本，提升创作与办公的效率。Kimi 智能助手Kimi是由月之暗面推出的智能对话助手产品，核心定位为具备大信息容量处理能力的生成式AI工具。该产品支持超长上下文理解功能，可承接大篇幅文本内容的信息梳理需求，同时支持多类型文件解析，能识别文档、表格等格式文件的内容并进行处理，另外还可完成内容生成、逻辑推导等常规智能交互任务。目标用户覆盖内容创作人员、学术研究人员、职场办公人员、学生群体等。使用场景包括长文档内容梳理、多文件信息整合、稿件内容生成、专业问题答疑、学习资料整理等多个方面，能够帮助用户提升信息处理的效率。DeepSeekDeepSeek是国内专注于大模型技术研发的公司推出的智能对话产品，核心搭载DeepSeek-R1推理模型与DeepSeek-V3通用模型，支持深度逻辑推理、多场景代码生成、复杂数学问题解答等能力，模型开源开放可本地部署。产品面向技术开发人员、科研工作者、学生群体、职场办公人员等用户，可满足代码调试、学术研究、习题解答、方案推导等多场景使用需求，为用户提供高效的智能辅助服务。WPS AIWPS AI是金山办公推出的智能办公辅助平台，聚焦办公场景下的AI能力落地，核心定位为用户提供全场景的智能办公助力。其核心功能包括AI生成演示文档、表格数据智能分析处理、文档内容智能续写改写与多语言翻译，能够适配不同办公场景下的效率提升需求。平台面向日常需要处理办公文档的职场人群、学生群体、内容创作者等用户，可用于工作汇报PPT制作、调研数据整理分析、文章内容优化调整、跨语言文档翻译等多种场景，帮助用户减少重复性办公操作，聚焦核心内容创作。