随便翻开一本书的任何一页，它都(dou)能(neng)自动(dong)介绍，不是简(jian)单的文字(zi)识别，而是能(neng)够(gou)总结“文章大意”；给它一幅画，它“瞥”一眼就能(neng)言简(jian)意赅地介绍出图画的内容，还(hai)能(neng)根据(ju)图案细节猜测人物心情；当你和它面对面，它能(neng)根据(ju)你所处的场(chang)景(jing)，推(tui)测出你大概在什么场(chang)合，还(hai)叮嘱(zhu)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(ji)所得(de)模型。它通(tong)过整合跨(kua)模态信(xin)息，基于声音、文本、图像和视频(pin)等多种形式，带来一种全新的AI交(jiao)互模式，即(ji)实(shi)时的流式多模态交(jiao)互。交(jiao)互体验对标GPT-4o。
作为2024世界人工智能(neng)大会暨人工智能(neng)全球(qiu)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(li)”人工智能(neng)论(lun)坛(tan)。现场(chang)，近(jin)千人共(gong)同见证这一创新交(jiao)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(dong)识别出工作人员佩戴的胸卡带子上的字(zi)，判断出现场(chang)就是世界人工智能(neng)大会会场(chang)，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(ou)，“日日新5o”准确描述(shu)了小狗的外貌、表情以及穿(chuan)戴——一顶印有商汤科技logo的白(bai)帽子，很给主场(chang)人排(pai)面。
再上些难度，随便翻开一本书的任何一页，“日日新5o”都(dou)能(neng)自动(dong)介绍，不是简(jian)单的OCR识别文字(zi)，而是识别图文给出好理解的总结，这一切在瞬(shun)间即(ji)可完成，真正做到实(shi)时交(jiao)互。
工作人员还(hai)现场(chang)发挥“画功”，随手画了一只简(jian)笔画小兔子，“日日新5o”直呼画得(de)可爱；而后(hou)工作人员又画了一个微(wei)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(hou)立马说道：“这表情开心多了。”
能(neng)听，会看，还(hai)会找话(hua)题，和“日日新5o”的交(jiao)互就如同和真人对话(hua)一般(ban)。这种交(jiao)互模式特别适(shi)用于实(shi)时对话(hua)和语音识别等应(ying)用，其多任务适(shi)应(ying)性强，能(neng)够(gou)在同一模型中自然处理多种任务，且根据(ju)不同上下文自适(shi)应(ying)调整行(xing)为和输出。
商汤科技表示，能(neng)够(gou)实(shi)现对标GPT-4o的交(jiao)互体验，正是源于“日日新5.5”基础模型能(neng)力(li)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(neng)较“日日新5.0”平均提升30%，数学推(tui)理、英文能(neng)力(li)和指令跟随等能(neng)力(li)明显增强，交(jiao)互效果(guo)和多项核心指标对标GPT-4o。
据(ju)了解，“日日新5.5”采用混合端云(yun)协同专家架构，最大限度发挥云(yun)边端协同，降低推(tui)理成本，模型训练基于超过10TB tokens高质量训练数据(ju)，包括(kuo)大量合成的思维链数据(ju)，提升推(tui)理思维能(neng)力(li)。
为了让更多企业用户低门(men)槛接入并使用“日日新”大模型体系的强大能(neng)力(li)，商汤于近(jin)期推(tui)出了“大模型0元Go”计划。凡是“日日新”的新注册用户，都(dou)可获得(de)涉及调用、迁徙、训练等多项免费(fei)服务大礼包。同时，商汤还(hai)将赠送5000万tokens包，并且派(pai)出专属搬家顾问，帮助OpenAI用户实(shi)现零服务成本迁移。
来源：上海徐汇