随便翻(fan)开一本书的任何一页，它都能(neng)自(zi)动介(jie)绍，不是简单的文字识别，而是能(neng)够总结“文章大意”；给它一幅画，它“瞥”一眼就能(neng)言简意赅地介(jie)绍出图画的内容，还能(neng)根据图案细节猜测人物心情；当你和它面(mian)对面(mian)，它能(neng)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(tang)科技7月5日发布的“日日新5o”——国内首个所见即所得模(mo)型(xing)。它通过整合跨模(mo)态信息，基(ji)于(yu)声音、文本、图像和视频等多(duo)种形式，带(dai)来一种全新的AI交互模(mo)式，即实时的流(liu)式多(duo)模(mo)态交互。交互体验对标GPT-4o。
作为2024世(shi)界人工智能(neng)大会暨人工智能(neng)全球(qiu)治(zhi)理高级别会议（WAIC 2024）战略合作伙伴，商汤(tang)科技召开了“大爱无疆·向新力(li)”人工智能(neng)论坛。现(xian)场，近千人共同(tong)见证这一创(chuang)新交互模(mo)式——
工作人员(yuan)刚开始仅(jin)是和“日日新5o”打个招呼，它就自(zi)动识别出工作人员(yuan)佩戴的胸卡带(dai)子上的字，判断出现(xian)场就是世(shi)界人工智能(neng)大会会场，并表示在这个地方可以“好好学习”。
接下(xia)来工作人员(yuan)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(tang)科技logo的白帽子，很(hen)给主场人排面(mian)。
再(zai)上些(xie)难度，随便翻(fan)开一本书的任何一页，“日日新5o”都能(neng)自(zi)动介(jie)绍，不是简单的OCR识别文字，而是识别图文给出好理解(jie)的总结，这一切在瞬(shun)间即可完成，真正(zheng)做到实时交互。
工作人员(yuan)还现(xian)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(yuan)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(yuan)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(duo)了。”
能(neng)听，会看，还会找话题，和“日日新5o”的交互就如同(tong)和真人对话一般。这种交互模(mo)式特别适用(yong)于(yu)实时对话和语音识别等应用(yong)，其多(duo)任务适应性(xing)强，能(neng)够在同(tong)一模(mo)型(xing)中自(zi)然处理多(duo)种任务，且根据不同(tong)上下(xia)文自(zi)适应调整行为和输出。
商汤(tang)科技表示，能(neng)够实现(xian)对标GPT-4o的交互体验，正(zheng)是源(yuan)于(yu)“日日新5.5”基(ji)础(chu)模(mo)型(xing)能(neng)力(li)的全面(mian)提升。7月5日，商汤(tang)科技正(zheng)式发布“日日新5.5”大模(mo)型(xing)体系，在今年4月商汤(tang)科技发布的“日日新5.0”大模(mo)型(xing)基(ji)础(chu)上又迎来多(duo)项升级，综合性(xing)能(neng)较“日日新5.0”平均提升30%，数学推理、英文能(neng)力(li)和指令跟随等能(neng)力(li)明显增强，交互效果和多(duo)项核心指标对标GPT-4o。
据了解(jie)，“日日新5.5”采用(yong)混合端云协同(tong)专家架构，最大限度发挥云边端协同(tong)，降低推理成本，模(mo)型(xing)训练(lian)基(ji)于(yu)超(chao)过10TB tokens高质量训练(lian)数据，包括大量合成的思维链数据，提升推理思维能(neng)力(li)。
为了让更多(duo)企业用(yong)户低门槛接入并使用(yong)“日日新”大模(mo)型(xing)体系的强大能(neng)力(li)，商汤(tang)于(yu)近期推出了“大模(mo)型(xing)0元Go”计划(hua)。凡是“日日新”的新注册用(yong)户，都可获得涉及调用(yong)、迁徙、训练(lian)等多(duo)项免费服务大礼包。同(tong)时，商汤(tang)还将赠送(song)5000万tokens包，并且派出专属搬家顾问(wen)，帮助OpenAI用(yong)户实现(xian)零服务成本迁移。
来源(yuan)：上海徐(xu)汇