随便翻开一本书的任何一页，它都能自动介绍(shao)，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(shao)出图画的内容，还能根据(ju)图案细节(jie)猜测人物心情；当你(ni)和它面对面，它能根据(ju)你(ni)所处(chu)的场景(jing)，推测出你(ni)大概在什么场合，还叮嘱你(ni)要“好(hao)好(hao)学习”……
是的，你(ni)并没(mei)有看错，“它”就是商汤科技7月(yue)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(ji)于声音、文本、图像和视频等多种形式，带(dai)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(biao)GPT-4o。
作为2024世界人工(gong)智能大会暨人工(gong)智能全球治理高级别会议（WAIC 2024）战略合作伙伴，商汤科技召(zhao)开了“大爱无疆·向新力”人工(gong)智能论坛。现场，近千人共同见证这一创新交互模式——
工(gong)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(gong)作人员佩戴的胸卡带(dai)子上的字，判(pan)断出现场就是世界人工(gong)智能大会会场，并表示在这个地方可以“好(hao)好(hao)学习”。
接下来工(gong)作人员拿了一只(zhi)可爱小狗玩偶，“日日新5o”准确(que)描述了小狗的外貌(mao)、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(shao)，不是简单的OCR识别文字，而是识别图文给出好(hao)理解的总结，这一切在瞬间即可完成，真正做到实时交互。
工(gong)作人员还现场发挥“画功”，随手(shou)画了一只(zhi)简笔画小兔子，“日日新5o”直呼画得可爱；而后工(gong)作人员又(you)画了一个微笑表情，“日日新5o”从这个平(ping)静的表情中捕捉(zhuo)到了笑意；工(gong)作人员又(you)改了一笔，把嘴(zui)巴画大增添了舌头，“日日新5o”看到后立马说(shuo)道(dao)：“这表情开心多了。”
能听，会看，还会找话题(ti)，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(ying)用，其多任务适应(ying)性(xing)强，能够在同一模型中自然处(chu)理多种任务，且根据(ju)不同上下文自适应(ying)调整行为和输(shu)出。
商汤科技表示，能够实现对标(biao)GPT-4o的交互体验，正是源于“日日新5.5”基(ji)础模型能力的全面提升。7月(yue)5日，商汤科技正式发布“日日新5.5”大模型体系，在今(jin)年4月(yue)商汤科技发布的“日日新5.0”大模型基(ji)础上又(you)迎来多项升级，综(zong)合性(xing)能较“日日新5.0”平(ping)均提升30%，数学推理、英文能力和指(zhi)令跟随等能力明显增强，交互效果和多项核心指(zhi)标(biao)对标(biao)GPT-4o。
据(ju)了解，“日日新5.5”采(cai)用混合端云协同专家架构(gou)，最大限度发挥云边端协同，降低推理成本，模型训练基(ji)于超过10TB tokens高质量训练数据(ju)，包括大量合成的思维链数据(ju)，提升推理思维能力。
为了让更多企业(ye)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(qian)徙、训练等多项免费服务大礼包。同时，商汤还将赠送5000万(wan)tokens包，并且派(pai)出专属搬家顾问，帮助OpenAI用户实现零服务成本迁(qian)移。
来源：上海徐汇