7 月 5 日消息，商汤科技发布“日日新 SenseNova 5.5”大模型体系，并发布国内首个所见即所得模型“日日新 5o”，交互效果对标 GPT-4o。
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，“日日新 5o”带来全新的 AI 交互模式 —— 实时的流式多模态交互。
据介绍，“日日新 5o”能听、会看、更会找话题，就如同“真人聊天一般”，这种交互模式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。
日日新 5.5 是国内首个正式发布的流式原生多模态交互模型，模型训练基于超过 10TB tokens 高质量训练数据，包括大量高质量的人工合成数据，构建了高阶思维链。模型采用混合端云协同架构，拥有 6000 亿参数，可最大限度发挥云边端协同，达到 109.5 字 / 秒的推理速度。
据此前报道，商汤科技在世界人工智能大会上还发布了首个“可控”人物视频生成大模型 Vimi，通过一张任意风格的照片就能生成和目标动作一致的人物类视频，并支持多种驱动方式，可通过已有人物视频、动画、声音、文字等多种元素进行驱动。