2024年7月5日,上海——2024世界人工智能大会暨人工智能全球治理高级别会议(WAIC 2024)战略合作伙伴商汤科技召开“大爱无疆·向新力”人工智能论坛,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,即实时的流式多模态交互。现场也为大家展示了这种创新交互模式——
工作人员刚开始仅是和“日日新5o”打个招呼,它就自动识别出工作人员脖子佩戴的胸卡带子上的字眼,判断出现场就是世界人工智能大会会场,并表示在这个地方可以“好好学习”。
![商汤科技发布“日日新5o”,实时多模态流式交互对标GPT-4o](/wp-content/uploads/replace/cfd4659686cefdd3c2e8f66411c3f4f2.jpeg)
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、表情以及重要穿戴——一个带着印有商汤科技logo白帽子,很给主场人排面。
![商汤科技发布“日日新5o”,实时多模态流式交互对标GPT-4o](/wp-content/uploads/replace/bf32cfbabcc5eb47a4b7640e934e44f6.jpeg)
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,不是简单的OCR识别文字,而是识别图文给出好理解的总结,这一切在瞬间即可完成,真正做到实时交互。
![商汤科技发布“日日新5o”,实时多模态流式交互对标GPT-4o](/wp-content/uploads/replace/ea09f9b908d630bc10f44633efa5acc7.jpeg)
工作人员还现场发挥了“画功”,随手画了一只简笔画小兔子,“日日新5o”直呼画得可爱,而后工作人员又画了一个微笑表情,它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”看到后立马说道这表情开心多了。
能听会看更会找话题,就如同真人聊天一般的交流对话,这种交互模式特别适用于实时对话和语音识别等应用,其多任务适应性强,能够在同一模型中自然处理多种任务,且根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,短短两个多月时间,全新“日日新5.5”体系迎来多项升级,综合性能较“日日新5.0”平均提升30%,在数学推理、英文能力和指令跟随等能力明显增强,交互效果和多项核心指标实现对标GPT-4o。
![商汤科技发布“日日新5o”,实时多模态流式交互对标GPT-4o](/wp-content/uploads/replace/3e93ff1a5140ec58c6b206ab8b32e7c1.png)
“日日新5.5”采用混合端云协同专家架构,最大限度发挥云边端协同,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。
![商汤科技发布“日日新5o”,实时多模态流式交互对标GPT-4o](/wp-content/uploads/replace/14a0723f572efeb08a8125c059129cd5.png)
为了让更多企业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、迁徙、训练等多项免费服务大礼包。同时,商汤还将免费赠送5000万Tokens包,并且派出专属搬家顾问,帮助OpenAI用户实现零服务成本迁移。