7月5日，在2024世(shi)界人工智能大会“大爱无疆·向新力”人工智能论坛上，商汤(tang)科(ke)技发布国内(nei)首个所见即(ji)所得模型(xing)“日日新5o”，交互体验(yan)对(dui)标GPT-4o，实现(xian)全新AI交互模式。
通(tong)过整合跨模态信息，基于声音、文本、图像和视频等多种形式，国内(nei)首个所见即(ji)所得模型(xing)“日日新5o”带来一种全新的AI交互模式，即(ji)实时的流式多模态交互。在现(xian)场，工作人员刚开始仅是和“日日新5o”打个招呼，它(ta)就自动(dong)识(shi)别出工作人员脖子(zi)佩戴的胸卡带子(zi)上的字眼，判断出现(xian)场就是世(shi)界人工智能大会会场，并表示在这个地方可以(yi)“好好学(xue)习(xi)”。
接下来工作人员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(yi)及重要(yao)穿戴——一个带着印有商汤(tang)科(ke)技logo白帽子(zi)，很给主场人排面。
再上些难度，随便(bian)翻开一本书(shu)的任何一页，“日日新5o”都能自动(dong)介绍(shao)，不是简单的OCR识(shi)别文字，而是识(shi)别图文给出好理解的总结，这一切在瞬间即(ji)可完成，真正做到实时交互。
工作人员还现(xian)场发挥了“画功”，随手画了一只简笔画小兔子(zi)，“日日新5o”直呼画得可爱，而后工作人员又画了一个微笑表情，它(ta)从这个平静的表情中捕捉(zhuo)到了笑意，工作人员又改了一笔把嘴(zui)巴画大增添了舌头，“日日新5o”看(kan)到后立马说道这表情开心多了。
能听会看(kan)更会找话(hua)题，就如同真人聊天(tian)一般的交流对(dui)话(hua)，这种交互模式特别适用于实时对(dui)话(hua)和语音识(shi)别等应用，其多任务适应性强，能够在同一模型(xing)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(xian)对(dui)标GPT-4o的交互体验(yan)正是源于“日日新5.5”基础模型(xing)能力的全面提升(sheng)。
今年4月发布的“日日新5.0”是国内(nei)首个对(dui)标GPT-4 Turbo的国产大模型(xing)，短短两个多月时间，全新“日日新5.5”体系迎(ying)来多项升(sheng)级，综合性能较“日日新5.0”平均提升(sheng)30%，在数学(xue)推理、英文能力和指令跟(gen)随等能力明显增强，交互效果和多项核心指标实现(xian)对(dui)标GPT-4o。
据介绍(shao)，“日日新5.5”采用混(hun)合端云协(xie)同专家架构，最大限度发挥云边端协(xie)同，降低推理成本，模型(xing)训练基于超过10TB tokens高质量训练数据，包括大量合成的思维链数据，提升(sheng)推理思维能力。
商汤(tang)于近期推出了“大模型(xing)0元Go”计划。凡是“日日新”新注册用户，都可获得涉及调用、迁徙、训练等多项免费服(fu)务大礼包，同时商汤(tang)还将免费赠送(song)5000万Tokens包，并且派出专属搬家顾问，帮助OpenAI用户实现(xian)零服(fu)务成本迁移(yi)。
文/北京青年报记者 温婧(jing)
编辑(ji)/田(tian)野