随便翻开(kai)一本书的任(ren)何一页，它都(dou)能自动介绍(shao)，不是简单的文字识别，而(er)是能够总结“文章大意”；给它一幅画(hua)，它“瞥”一眼就能言(yan)简意赅地介绍(shao)出图画(hua)的内容，还能根(gen)据图案细节(jie)猜测人物(wu)心情；当你和它面(mian)对面(mian)，它能根(gen)据你所处的场景(jing)，推测出你大概在什么(me)场合，还叮嘱你要“好好学(xue)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(ji)所得模型。它通过整(zheng)合跨模态信(xin)息(xi)，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(ji)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(kai)了“大爱(ai)无疆·向新力”人工智能论坛。现场，近千人共同(tong)见证(zheng)这一创新交互模式——
工作人员刚(gang)开(kai)始仅是和“日日新5o”打(da)个招(zhao)呼，它就自动识别出工作人员佩戴的胸卡带子上(shang)的字，判断出现场就是世界人工智能大会会场，并表示(shi)在这个地方可(ke)以“好好学(xue)习”。
接下来工作人员拿了一只可(ke)爱(ai)小狗玩偶(ou)，“日日新5o”准确描述了小狗的外貌(mao)、表情以及穿戴——一顶(ding)印有商汤科技logo的白(bai)帽(mao)子，很给主场人排面(mian)。
再上(shang)些(xie)难度，随便翻开(kai)一本书的任(ren)何一页，“日日新5o”都(dou)能自动介绍(shao)，不是简单的OCR识别文字，而(er)是识别图文给出好理解(jie)的总结，这一切在瞬间即(ji)可(ke)完成，真正做到实时交互。
工作人员还现场发挥“画(hua)功(gong)”，随手画(hua)了一只简笔画(hua)小兔子，“日日新5o”直呼画(hua)得可(ke)爱(ai)；而(er)后工作人员又画(hua)了一个微笑表情，“日日新5o”从这个平静(jing)的表情中捕捉到了笑意；工作人员又改了一笔，把嘴巴画(hua)大增添了舌头，“日日新5o”看到后立马说道：“这表情开(kai)心多了。”
能听，会看，还会找(zhao)话题，和“日日新5o”的交互就如同(tong)和真人对话一般。这种交互模式特别适用(yong)于实时对话和语音识别等应用(yong)，其多任(ren)务适应性强，能够在同(tong)一模型中自然处理多种任(ren)务，且根(gen)据不同(tong)上(shang)下文自适应调整(zheng)行为和输出。
商汤科技表示(shi)，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(mian)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(shang)又迎来多项升级，综(zong)合性能较“日日新5.0”平均提升30%，数学(xue)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(jie)，“日日新5.5”采用(yong)混合端(duan)云协同(tong)专家架构，最大限度发挥云边端(duan)协同(tong)，降低推理成本，模型训练基于超过10TB tokens高质量训练数据，包(bao)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(yong)户低门槛(kan)接入并使用(yong)“日日新”大模型体系的强大能力，商汤于近期(qi)推出了“大模型0元Go”计(ji)划。凡是“日日新”的新注册用(yong)户，都(dou)可(ke)获得涉及调用(yong)、迁徙、训练等多项免费(fei)服务大礼包(bao)。同(tong)时，商汤还将赠送5000万tokens包(bao)，并且派出专属搬家顾(gu)问，帮助OpenAI用(yong)户实现零(ling)服务成本迁移。
来源：上(shang)海徐汇