随便翻(fan)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(er)是能够总结(jie)“文章大意”；给它一幅画，它“瞥”一眼(yan)就能言(yan)简意赅地介绍出图画的内(nei)容，还能根据图案细节(jie)猜(cai)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(shi)么场合，还叮嘱你要“好(hao)好(hao)学习(xi)”……
是的，你并没有看错，“它”就是商汤科(ke)技7月5日发布的“日日新5o”——国内(nei)首个所见即所得模型。它通过整合跨模态(tai)信(xin)息，基于声音、文本、图像和视频(pin)等(deng)多种形式(shi)，带来一种全(quan)新的AI交(jiao)互(hu)模式(shi)，即实时的流(liu)式(shi)多模态(tai)交(jiao)互(hu)。交(jiao)互(hu)体验对标(biao)GPT-4o。
作为2024世界人工(gong)智能大会(hui)暨人工(gong)智能全(quan)球(qiu)治理高级别会(hui)议（WAIC 2024）战略合作伙伴，商汤科(ke)技召开了“大爱无疆·向新力”人工(gong)智能论坛(tan)。现场，近千(qian)人共同见证这一创新交(jiao)互(hu)模式(shi)——
工(gong)作人员刚开始仅是和“日日新5o”打个招(zhao)呼，它就自动识别出工(gong)作人员佩戴的胸卡带子上(shang)的字，判(pan)断出现场就是世界人工(gong)智能大会(hui)会(hui)场，并表示在这个地方可以“好(hao)好(hao)学习(xi)”。
接(jie)下来工(gong)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(ke)技logo的白(bai)帽子，很给主场人排面。
再上(shang)些(xie)难度，随便翻(fan)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(er)是识别图文给出好(hao)理解的总结(jie)，这一切(qie)在瞬间即可完成，真正做到实时交(jiao)互(hu)。
工(gong)作人员还现场发挥“画功”，随手画了一只简笔(bi)画小兔子，“日日新5o”直呼画得可爱；而(er)后工(gong)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(gong)作人员又改了一笔(bi)，把(ba)嘴(zui)巴画大增添了舌头，“日日新5o”看到后立马(ma)说道：“这表情开心多了。”
能听，会(hui)看，还会(hui)找话题，和“日日新5o”的交(jiao)互(hu)就如(ru)同和真人对话一般。这种交(jiao)互(hu)模式(shi)特别适用于实时对话和语音识别等(deng)应用，其多任务适应性(xing)强(qiang)，能够在同一模型中自然处理多种任务，且根据不同上(shang)下文自适应调整行为和输出。
商汤科(ke)技表示，能够实现对标(biao)GPT-4o的交(jiao)互(hu)体验，正是源于“日日新5.5”基础模型能力的全(quan)面提升。7月5日，商汤科(ke)技正式(shi)发布“日日新5.5”大模型体系，在今年4月商汤科(ke)技发布的“日日新5.0”大模型基础上(shang)又迎来多项升级，综合性(xing)能较“日日新5.0”平均(jun)提升30%，数学推理、英文能力和指令跟随等(deng)能力明显增强(qiang)，交(jiao)互(hu)效(xiao)果和多项核心指标(biao)对标(biao)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(lian)基于超过10TB tokens高质量训练(lian)数据，包括大量合成的思(si)维链数据，提升推理思(si)维能力。
为了让更多企业用户低门槛接(jie)入并使用“日日新”大模型体系的强(qiang)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(lian)等(deng)多项免(mian)费服务大礼包。同时，商汤还将(jiang)赠送5000万(wan)tokens包，并且派出专属搬(ban)家顾问，帮助OpenAI用户实现零服务成本迁移。
来源：上(shang)海徐(xu)汇