商汤科技发布“日日新5o”，实时多模态流式交互对标GPT-4o

7月5日，在2024世界人工智能大会期间，商汤科技发布“日日新5o”大模型，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，实现实时流式多模态交互的创新模式，交互体验对标GPT-4o。

例如，工作人员拿出一只可爱小狗玩偶放在它面前，“日日新5o”准确描述了小狗的外貌、表情以及重要穿戴；工作人员随便翻开一本书的任何一页，“日日新5o”便能瞬间完成介绍，不是简单的OCR识别文字，而是识别图文给出好理解的总结。

商汤科技表示，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。7月5日，商汤科技正式发布“日日新5.5”大模型体系，在今年4月商汤科技发布的“日日新5.0”大模型基础上又迎来多项升级，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对标GPT-4o。

据介绍，“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。

在7月4日2024世界人工智能大会主论坛上，商汤科技董事长兼CEO徐立表示，当前 AI 还没有真正走进一个行业的垂直应用当中引起广泛的变化，也就还没有迎来行业的“超级时刻”。他认为，应用是决定人工智能超级时刻的一个关键。徐立表示，有三大需要突破的核心点，一是构建更高阶的逻辑思维链，来解决人工智能的推理问题，提升“智慧”水平；二是更流畅的交互体验，三是提升人工智能生成内容的可控性。

对于此次升级后的“日日新5.5”大模型，尤其是“日日新5o”在实时流式多模态交互上的突破，徐立表示：“如果把这样的实时交互能力装到我们的眼镜设备等，可能会推动一些新的应用的可能性。”

为进一步降低应用门槛，商汤科技近期推出“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，商汤科技表示，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。

编辑：王朱莹 张科维