商湯世界模型秘訣，「日日新」實現AI大一統！原生融合模型破紀錄雙冠王

原標題：商湯世界模型秘訣，「日日新」實現AI大一統！原生融合模型破紀錄雙冠王
文章來源：新智元
內容字數：9062字

商湯“日日新”：原生融合大模型引領AI 2.0新紀元

本文總結了新智元報道中關于商湯科技“日日新”原生融合大模型的要點，該模型在多模態領域取得突破性進展，引領AI邁向“大一統”時代。

1. 原生融合多模態：AI 2.0的必由之路

   文章指出，大模型發展瓶頸在于單一模態處理能力的局限性。商湯“日日新”通過原生融合多模態技術，實現了單一模型同時處理文本、圖像、視頻等多種信息，突破了傳統多模態模型分立的現狀，讓AI具備“看”和“想”的能力，從而解決更復雜的問題。

2. “日日新”的驚艷表現：多場景應用

   文章列舉了“日日新”在多個場景的實際應用，例如：識別各種手寫體詩歌并翻譯；批改作業，精準指出錯誤并舉一反三；分析繪畫作品特點并提出改進建議；識別圖像中的歷史人物和典故；分析游戲截圖并推斷電腦配置；理解表情包含義等。這些例子展示了“日日新”強大的跨模態理解和分析能力。

3. 技術突破：融合模態數據合成與融合任務增強訓練

   商湯“日日新”的成功，得益于兩項關鍵技術：融合模態數據合成和融合任務增強訓練。面對數據匱乏的挑戰，商湯通過逆渲染、基于混合語義的圖像生成等方法合成大量融合模態數據，構建了圖文模態之間的交互橋梁。此外，通過構建一系列跨模態任務（涵蓋交互、多模態文檔分析、場景理解等），進行增強訓練，提升了模型對多模態信息整合理解分析的能力，并形成了對業務場景有效的響應能力。

4. 成本優勢與未來展望

   文章強調，商湯“日日新”的原生融合多模態技術路線，在訓練成本方面具有顯著優勢，僅比同量級LLM增加約20%。這得益于多階段訓練的策略，將語言模型和多模態模型的訓練合并在了一起。未來，商湯將繼續探索融合模態技術，拓展其在辦公、金融、自動駕駛、城市治理等領域的應用，并進一步探索世界模型的可能性。

5. 雙料冠軍：實力認證

   文章最后指出，“日日新”融合大模型在SuperCLUE 2024年度榜單中，以68.3高分與DeepSeek V3并列國內榜首，并在OpenCompass多模態評測中力壓GPT-4o，獲得雙料冠軍，展現了其在語言和多模態領域的領先地位。

總而言之，商湯“日日新”原生融合大模型的成功，標志著AI 2.0時代多模態融合技術取得重大突破，為未來AI發展提供了新的方向和可能性。

聯系作者

文章來源：新智元
作者微信：
作者簡介：智能+中國主平臺，致力于推動中國從互聯網+邁向智能+新紀元。重點關注人工智能、機器人等前沿領域發展，關注人機融合、人工智能和機器人對人類社會與文明進化的影響，領航中國新智能時代。