Китайская компания SenseTime представила на Всемирной конференции по искусственному интеллекту (ИИ) свою новую мультимодальную модель ИИ SenseNova 5o и улучшенную языковую модель SenseNova 5.5.
SenseTime утверждает, что SenseNova 5o — это первая китайская мультимодальная модель реального времени, которая обеспечивает мультимодальное взаимодействие ИИ, сравнимое с GPT-4o. Она может обрабатывать аудио-, текстовые, графические и видеоданные, позволяя пользователям взаимодействовать с моделью, просто разговаривая с ней.
SenseTime утверждает, что модель особенно хорошо подходит для разговоров в режиме реального времени. Компания показала демонстрацию, напоминающую демонстрацию OpenAI GPT-4o в начале мая, которая также демонстрировала возможности зрения модели. Например, SenseNova 5o может распознавать и описывать отдельные объекты, просто направив на них камеру смартфона во время работы приложения ИИ.
SenseTime также обновила свою языковую модель SenseNova. По словам компании, в новой версии 5.5 достигнуто 30% увеличение производительности по сравнению с версией 5.0, которая была выпущена всего два месяца назад. В качестве обучающих данных использовалось более десяти терабайт высококачественных данных, а также множество синтетически сгенерированных цепочек рассуждений для улучшения способности модели к рассуждению.
SenseTime утверждает, что благодаря значительному улучшению навыков в математических рассуждениях (+31,5%), английском языке (+53,8%) и выполнении заданий (+26,8%), интерактивность и многие основные показатели находятся на одном уровне с GPT-4o.
Большая модель SenseNova в настоящее время используется более чем 3 000 государственных и корпоративных клиентов в таких отраслях, как технологии, здравоохранение, финансы и программирование.
В SenseChat Lite-5.5 время вывода сократилось до 0,19 секунды, что на 40 % быстрее, чем в версии 5.0, а скорость вывода увеличилась на 15 % до 90,2 слов в секунду.
Видеогенератор аватаров Vimi AI, входящий в состав SenseNova 5.5, может создавать ролики продолжительностью до одной минуты на основе одной фотографии, обеспечивая контроль над выражением лица, освещением и фоном.
Основанная в 2014 году гонконгская компания SenseTime является одной из самых финансируемых китайских ИИ-компаний. В прошлом эта компания получила известность прежде всего благодаря своему программному обеспечению для визуального наблюдения, использующему распознавание лиц.
