商汤科技发布“日日新5o”：对标GPT-4o 实现实时流式多模态交互

在2024年世界人工智能大会上，商汤科技发布了国内首个所见即所得模型“日日新5o”，这一模型的交互体验与GPT-4o相当，实现了实时的流式多模态交互。该模型通过整合声音、文本、图像和视频等跨模态信息，能够进行实时的理解和响应。例如，它能够识别工作人员佩戴的胸卡并判断出会场位置，描述小狗玩偶的外观和穿戴，以及对工作人员随手画的图画进行即时评价。

“日日新5o”模型的实时交互能力特别适用于实时对话和语音识别等应用，它能够在同一模型中处理多种任务，并且根据不同上下文自适应调整行为和输出。这一模型是基于“日日新5.5”基础模型，而“日日新5.5”是在今年4月发布的“日日新5.0”基础上的升级版，综合性能平均提升了30%，尤其在数学推理、英文能力和指令跟随等方面有显著提升。

“日日新5.5”采用了混合端云协同专家架构，通过超过10TB tokens的高质量训练数据，包括合成的思维链数据，来提升模型的推理思维能力。为了降低企业用户的接入门槛，商汤推出了“大模型0元Go”计划，为新注册用户提供多项免费服务，并赠送5000万Tokens包，同时提供专属搬家顾问帮助OpenAI用户迁移，实现零服务成本。