商汤科技最近发布了一个新模型，SenseNova 6.8 Flash。
虽然现在 AI 行业已经非常卷了，Flash 模型也不少，但这款模型确实有一些自己的特点，上周我就拿到了内测名额，所以我想单独写一写。
看了同事跑出来的 Case，又结合着官方的文章，我发现商汤这次的模型定位非常明确。
一个是办公场景的稳定性，希望模型能够更可靠地完成复杂的长程任务。另一个是设计审美，这也是我更感兴趣的地方。
因为现在能生成 PPT、制作网页的模型已经不少了，但做出来的东西好不好看，其实差别还挺大的。
尤其是 PPT，既要理解内容，把重点信息组织清楚，还得考虑不同页面的排版、配色，以及整体的视觉风格。如果是动态 PPT，还涉及页面转场、动画编排等问题。
商汤这次恰好重点强化了这些能力，包括动态 PPT、动态海报，以及最近比较火的 3D 建模。
因为现在让 AI 生成一个网页、做一套 PPT，真的已经不算什么新鲜事了。但如果想把它们做得漂亮，尤其是涉及复杂动画和交互的设计，对模型的要求就高多了。
先给大家看一个日常的任务，把一套关于我们公司立项文档的工作法，做成适合团队内部分享的 PPT。下面是 SenseNova 6.8 Flash 做出来的结果，没用任何 Skill，一次性直出：
这个审美真的是绝了，没有任何的 AI Slop。我的提示词非常简单，就下面这一句：
把附件中我们公司的文档给我做成一个简约美观的Slides，我希望能有动画的地方可以加动画。
大家可以看看这套 PPT 的截图，没有那些常见的紫色渐变，也没有奇奇怪怪的斜体，整体的排版和配色都挺舒服。
而且，还有一些细节做得不错。比如第一页右侧，模型根据内容专门生成了一张 SVG 配图。
后面还结合我提供的立项文档，设计了一个交互式的小动画，让大家根据英文单词，猜测它对应的是立项文档中的哪一项内容。
这些细节其实挺能体现模型的设计能力。它除了考虑页面好不好看，还会根据具体内容，选择更合适的呈现方式。
我觉得啊，平时使用 AI，无论是做 PPT、处理 Excel 表格，还是生成网页，除了内容准确、任务能够完成，当然也希望最终做出来的东西能够好看一些。
毕竟，自己看着赏心悦目，同事也更愿意看。特别是现在，我们团队很多数据分析的结果，都习惯直接用网页来呈现。
但现在模型做出来的网页，很多时候，我立马能判断出这肯定是AI做。
比如，动不动就使用紫色渐变，标题喜欢用斜体，再增加一堆没什么意义的装饰元素。有时候明明只是一个很简单的数据看板，也非要搞得花里胡哨。
所以，过去一两年，出现了不少专门帮 AI生成网页去除 AI味的设计 Skills。
但如果模型本身就能掌握这些基础的设计常识，是不是就可以减少对额外Skills 的依赖。
我给大家看一个自己随手让它做的网站。整体还是挺好看的。
我自己越来越觉得，设计审美接下来会成为大模型一项非常重要的竞争力。
这也是为什么我一直挺喜欢 Opus 5.5。除了它本身的推理和 Coding 能力很强，还有一个很重要的原因，就是我觉得它的审美确实不错。
同样是生成一个网页，它在字体、配色、页面布局和交互动效这些细节上，经常能给我一些惊喜。当然，审美本身有一定的主观性。
但对于经常使用 AI 做网页、PPT 的人来说，模型有没有基本的设计品味，还是能够感受到的。
比如下面这个网页，一看就是 AI 做的。
下面这是 SenseNova 6.8 Flash 做的，同样没用 Skill，就更有质感了......它用了大面积的黑色背景，左边是简洁的大字标题，右边放了一台复古收音机，整个页面非常干净。
没有堆砌多余的装饰元素。
而且，现在我们对 AI 设计能力的要求，其实也越来越高了。
比如做一套产品发布会 PPT，除了排版好看，能不能让里面的产品旋转、拆解，甚至随着演讲进度切换不同的镜头？
商汤这次重点强化的，就是这些能力。
比如，它现在支持通过 Three.js 生成可以实时交互的 3D 场景。用户不仅能从不同角度观察，还能控制镜头、触发动画。
如果需要更专业的三维设计，还可以结合 Blender，完成场景建模、渲染，以及后续的反复修改。
下面这个是我用 SenseNova 6.8 Flash 做的云上岛屿的 3D 效果。
巨龟驮着一座小岛，上面有塔楼、木屋、鸟和树，旁边还有一条游动的鲸鱼。所有的东西都是用 Three.js 做的。可以拖动视角，从不同的方向观看这个场景。
前两个版本，鲸鱼和乌龟都没有成型。我就跟它说，鲸鱼和乌龟现在都没成型，你调整优化一下。
它接着检查了上一轮的效果，把问题都很具体的列了出来，乌龟的头的颜色和草地、秋叶太接近，又被龟壳挡住了。
鲸鱼大部分藏在岛后面，露出来的只有一块蓝灰色的头部和胸鳍等等。然后逐项修复。
后面调整鲸鱼位置的时候，SenseNova 6.8 Flash 还做了屏幕坐标的投影检查。
简单来说，就是把鲸鱼的运动路线和龟头的位置，换算成画面里的坐标，看看它们重叠的部分在哪里。
检查后发现，鲸鱼的路线一直压在岛屿和龟壳的高度范围里，所以鲸鱼游动起来也很难被看见。
它就把展示段抬到上方的天空，再把前后两端压低，让鲸鱼沿着一条弧线升起、游过和落下，同时继续调整龟头的位置。
这就很考验模型的空间理解能力了。鲸鱼本身要做完整，还得考虑它沿着什么路线游动，和岛上建筑的空间关系。这些都需要结合实际运行的画面反复检查。
改完之后，整个场景的层次就清楚多了。塔楼是视觉中心，木屋和暖色的树林围在周围，瀑布从岛边落进云里。
建筑、树木和云保持了统一的方块风格，配上浅蓝到暖白的天空，有一种安静的童话感。
从这个过程也能看出 SenseNova 6.8 Flash 的 Web 3D 能力。它能把场景搭建、空间布局和动画结合起来，再根据实际画面调整遮挡和运动路线。
模型做出来以后，还能继续围绕最终的观看效果修改。
继续，我又用 SenseNova 6.8 Flash 做了一套桌面灯的新品发布会 PPT。
我虚构了一个桌面灯品牌，要求它做成 8 页的演示。除了介绍产品，还要用 Three.js 做出完整的桌面灯模型，支持灯头调节、亮度变化和光照模式切换等等。
下面这个是最后的效果：
我很喜欢这个 PPT 的演示节奏。镜头从灯头近景拉到完整灯体，再通过分层拆解介绍内部结构，接着演示调光和使用场景。
页面转场、镜头变化和元素动画，都跟着当前讲解的内容走，这就体现了 SenseNova 6.8 Flash 在 Dynamic PPT 上对展示节奏的处理能力。
它还把 Web 3D 放进了演示里。同一盏灯可以旋转、拆解和调节状态，雾银与暖白两款又呈现出不同的反射质感。
产品造型、材质和交互结合起来，整套演示就更接近一个可以现场操作的新品发布会。
当然这个效果也不是一次直出的。
一开始，桌面灯的主体塑料感挺明显的，有几页的桌面灯支臂和灯头没接上，右下角的翻页组件也不美观等等。
我就把这些问题直接告诉 SenseNova 6.8 Flash，让它继续往产品发布会 PPT 的质感上优化。
它检查建模代码，把连接问题定位到了具体尺寸，支臂根部的护套浮在底座上方 12.6mm，灯头和叉臂之间还有约 11mm 的空隙。
然后调整零件的位置和尺寸，把这些悬空的地方逐个补齐。
我觉得，这也代表了最近 LLM 领域一个很重要的发展趋势。
过去我们谈多模态，更多关注的是 AI 能不能真正理解图片、视频等不同模态的信息。
但现在，在多模态输入能力不断提升的基础上，模型也开始探索更丰富的多模态输出。比如直接生成动态 PPT、3D 场景，甚至制作带有复杂交互逻辑的作品。
我们还做了一个篮球场的效果。
把篮球场做成了一座微缩街区。后面是一栋带窗户、阳台和墙面涂鸦的住宅楼，前面是完整的球场，周围还有围栏、树木、长椅和路灯。
我让 SenseNova 6.8 Flash 把场景和氛围做成了可以切换效果的。
右侧的控件可以从白天切到夜晚，球场和楼体会暗下来，窗户亮起暖光，路灯下也出现了光照范围。再切换季节，树冠、地面和整体配色会跟着变化。
秋天是偏暖的黄褐色，冬天则换成浅色地面和光秃的树枝。同一个街角场地，就有了不同时间和季节的效果。
画面用了像素风的效果，做了可以调整像素风格的程度的交互。场上也有持续进行的比赛，人物会移动，顶部记分牌实时更新比分。
从这个结果能看出来它把 Web 界面和 Web 3D 场景结合起来的能力。
页面上的操作能改变场景的光照、配色和画面效果，同时保留人物动画和比赛状态，最后做成一个可以实际操作的作品。
而且，随着 Coding 能力越来越强，模型能够直接通过代码完成这些创作。代码可以成为连接图像、视频、3D 和编辑工具的一种共同语言。
太太太惊喜了。没想到，Flash 模型也可以兼具审美和效率。
