7月5日，在2024世界人工智能大会“大爱(ai)无疆·向新力(li)”人工智能论坛上，商汤科技发布国内首个所见即所得模型“日日新5o”，交互体验对标GPT-4o，实现全新AI交互模式。
通过整合跨模态信息，基于声音、文本、图像(xiang)和视频等多种形式，国内首个所见即所得模型“日日新5o”带来一种全新的AI交互模式，即实时(shi)的流式多模态交互。在现场，工作人员刚(gang)开始仅是和“日日新5o”打个招(zhao)呼，它(ta)就(jiu)自动识(shi)别出工作人员脖子佩戴的胸卡(ka)带子上的字眼，判断出现场就(jiu)是世界人工智能大会会场，并表示在这(zhe)个地方可以“好好学习(xi)”。
接下来工作人员拿了一只可爱(ai)小狗玩偶，“日日新5o”准(zhun)确描述了小狗的外貌、表情以及重要穿戴——一个带着印有商汤科技logo白帽子，很(hen)给(gei)主场人排面。
再(zai)上些难度，随便翻(fan)开一本书(shu)的任何一页，“日日新5o”都能自动介绍，不是简单的OCR识(shi)别文字，而是识(shi)别图文给(gei)出好理解(jie)的总结，这(zhe)一切在瞬间(jian)即可完成，真(zhen)正做到实时(shi)交互。
工作人员还现场发挥了“画(hua)功”，随手画(hua)了一只简笔(bi)画(hua)小兔子，“日日新5o”直呼画(hua)得可爱(ai)，而后工作人员又画(hua)了一个微笑表情，它(ta)从这(zhe)个平静的表情中捕捉到了笑意，工作人员又改(gai)了一笔(bi)把嘴巴画(hua)大增添了舌头，“日日新5o”看到后立马说(shuo)道这(zhe)表情开心多了。
能听(ting)会看更会找话题，就(jiu)如同真(zhen)人聊天(tian)一般的交流对话，这(zhe)种交互模式特别适用于实时(shi)对话和语(yu)音识(shi)别等应用，其(qi)多任务适应性(xing)强，能够在同一模型中自然处理多种任务，且根(gen)据不同上下文自适应调整行为和输出，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(li)的全面提升。
今年4月发布的“日日新5.0”是国内首个对标GPT-4 Turbo的国产大模型，短短两个多月时(shi)间(jian)，全新“日日新5.5”体系迎来多项升级，综合性(xing)能较“日日新5.0”平均提升30%，在数学推理、英文能力(li)和指令跟随等能力(li)明(ming)显增强，交互效果和多项核心指标实现对标GPT-4o。
据介绍，“日日新5.5”采(cai)用混合端云协同专家架(jia)构，最大限(xian)度发挥云边端协同，降低推理成本，模型训练基于超过10TB tokens高质(zhi)量训练数据，包括大量合成的思维链数据，提升推理思维能力(li)。
商汤于近期推出了“大模型0元Go”计划。凡是“日日新”新注册用户，都可获(huo)得涉及调用、迁徙、训练等多项免费服务大礼包，同时(shi)商汤还将免费赠送5000万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。
文/北京青年报(bao)记者 温婧
编辑/田野