商汤科技“日日新5o”发布，能听会看还会找话题

随便翻开一本书的任何一页，它都能自动介绍，不是简单的文字识别，而是能够总结“文章大意”；给它一幅画，它“瞥”一眼就能言简意赅地介绍出图画的内容，还能根据图案细节猜测人物心情；当你和它面对面，它能根据你所处的场景，推测出你大概在什么场合，还叮嘱你要“好好学习”……

是的，你并没有看错，“它”就是商汤科技7月5日发布的“日日新5o”——国内首个所见即所得模型。它通过整合跨模态信息，基于声音、文本、图像和视频等多种形式，带来一种全新的AI交互模式，即实时的流式多模态交互。交互体验对标GPT-4o。

作为2024世界人工智能大会暨人工智能全球治理高级别会议（WAIC 2024）战略合作伙伴，商汤科技召开了“大爱无疆·向新力”人工智能论坛。现场，近千人共同见证这一创新交互模式——

工作人员刚开始仅是和“日日新5o”打个招呼，它就自动识别出工作人员佩戴的胸卡带子上的字，判断出现场就是世界人工智能大会会场，并表示在这个地方可以“好好学习”。

接下来工作人员拿了一只可爱小狗玩偶，“日日新5o”准确描述了小狗的外貌、表情以及穿戴——一顶印有商汤科技logo的白帽子，很给主场人排面。

再上些难度，随便翻开一本书的任何一页，“日日新5o”都能自动介绍，不是简单的OCR识别文字，而是识别图文给出好理解的总结，这一切在瞬间即可完成，真正做到实时交互。

工作人员还现场发挥“画功”，随手画了一只简笔画小兔子，“日日新5o”直呼画得可爱；而后工作人员又画了一个微笑表情，“日日新5o”从这个平静的表情中捕捉到了笑意；工作人员又改了一笔，把嘴巴画大增添了舌头，“日日新5o”看到后立马说道：“这表情开心多了。”

能听，会看，还会找话题，和“日日新5o”的交互就如同和真人对话一般。这种交互模式特别适用于实时对话和语音识别等应用，其多任务适应性强，能够在同一模型中自然处理多种任务，且根据不同上下文自适应调整行为和输出。

商汤科技表示，能够实现对标GPT-4o的交互体验，正是源于“日日新5.5”基础模型能力的全面提升。7月5日，商汤科技正式发布“日日新5.5”大模型体系，在今年4月商汤科技发布的“日日新5.0”大模型基础上又迎来多项升级，综合性能较“日日新5.0”平均提升30%，数学推理、英文能力和指令跟随等能力明显增强，交互效果和多项核心指标对标GPT-4o。

据了解，“日日新5.5”采用混合端云协同专家架构，最大限度发挥云边端协同，降低推理成本，模型训练基于超过10TB tokens高质量训练数据，包括大量合成的思维链数据，提升推理思维能力。

为了让更多企业用户低门槛接入并使用“日日新”大模型体系的强大能力，商汤于近期推出了“大模型0元Go”计划。凡是“日日新”的新注册用户，都可获得涉及调用、迁徙、训练等多项免费服务大礼包。同时，商汤还将赠送5000万tokens包，并且派出专属搬家顾问，帮助OpenAI用户实现零服务成本迁移。

猜你喜欢：

记者：王永娟

编辑：宁平英

审校：韦丽

转载请注明来自上海徐汇官方账号