文/羊城晚报全媒体记者 何晶
图/主办方提供
7月5日，在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）上，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。它会识别，能分析，擅总结，还能推理……
在大会现场，工作人员刚开始和“日日新5o”打了个招呼，它就自动识别出工作人员脖子佩戴的胸卡带子上的字眼，判断出这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”。
接下来，工作人员拿了一只可爱的小狗玩偶，“日日新5o”准确描述了小狗的外貌、表情以及穿戴——戴着一个印有商汤科技logo的白帽子。
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，它不是简单地识别文字，而是识别图文并给出总结，这一切在瞬间就能完成，真正做到实时交互。
工作人员还在现场随手画了一只简笔画小兔，“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，工作人员改了一笔给嘴巴增添了舌头，“日日新5o”看到后立马说，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，这种交互模式能适用于实时对话和语音识别等应用，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。
据悉，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。
据悉，“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。