近日，OpenAI推出的Sora2.0以物理真实的视频生成能力与跨模态交互突破引发行业震动，其对多模态信息的深度整合能力，印证了该赛道已成为人工智能技术竞争的核心战场。与此同时，在国内AGI市场，港股AGI第一股云知声（9678.HK）研发山海多模态大模型，并在权威评测中力压国际头部模型，展现出中国多模态技术的硬核实力，为行业发展注入新动能。
权威评测登顶，山海大模型双线突破显实力
多模态人工智能模型基准评测集MMMU的最新榜单，为行业提供了关键技术参照。作为由IN.AIResearch等机构联合构建的国内权威基准，MMMU聚焦“大学层次多学科问题解决能力”，涵盖艺术与设计、健康与医学、技术与工程等六大领域，包含1.15万个多模态问题，覆盖30个科目、183个子领域，且大量题目需运用傅立叶变换、均衡理论等专业知识完成专家级推理，同时还需应对“多图像格式识别”“文本图像混合输入推理”两大独特挑战，评测难度与专业性均处于行业前列。
正是在这一高标准评测中，云知声山海多模态大模型UniGPT-mMed实现双线突破：不仅以总分57的成绩登顶榜首，彰显一流通用能力；更在健康与医学细分赛道超越GPT-4V，成为该领域首个在MMMU评测中力压国际头部模型的国产大模型。这一成绩的背后，是UniGPT-mMed独特的技术架构支撑——基于云知声山海大模型底座，通过精细化数据处理技术自动识别优质图文数据，结合多模态分析评估图文匹配度，再以思维链、自我反思技术优化场景问答数据集，最终构建起数亿条高质量图文问答数据体系，为精准交互与专业推理奠定基础。
全栈交互能力升级，开启多场景智能新体验
除评测成绩外，山海多模态大模型的实际交互能力更凸显其技术落地潜力。在语音交互层面，该模型实现“实时秒回”，响应速度接近人类对话节奏，用户可随时插话无需等待，同时能通过语音文本、语气、节奏、音调捕捉用户情绪，提供贴合场景的情感反馈，更支持音色自由切换与“一句话声音克隆”，高保真还原用户音色与情感特征；在视觉交互层面，其可通过摄像头精准理解场景、识别物体信息，不仅能完成OCR文字识别，更能结合图文信息生成易懂总结，例如面对投影仪设备时，可同步描述物体特征与包装盒文字核心内容，同时还能根据用户指令快速生成定制化视觉内容，满足创意展示需求。
这种“能听会说、看得见读得懂”的全栈多模态能力，正逐步落地到实际场景中。依托云知大脑（UniBrain）技术中台，山海大模型与多模态感知生成、知识图谱、物联平台等组件深度融合，为智慧医疗、智慧物联、智慧座舱、智慧交通等业务提供支撑——在医疗领域，基于其孵化的医疗大模型已在CCKS2023PromptCBLUE评测中获通用赛道一等奖，MedBench评测中位列全球第一；在智慧生活领域，其解决方案已服务超400家客户，API月调用量峰值突破10亿次，持续推进“U（云知大脑）+X（应用场景）”战略落地。
从Sora2.0的全球竞逐到云知声的本土突破，多模态技术正重构人机交互范式。随着山海大模型持续迭代与政策红利释放，这家AGI先行者有望在智慧生活、医疗健康等领域开辟增量市场，为千行百业的智慧化升级提供核心动能。（咸宁新闻网）
本文链接：Sora2引领多模态竞速，云知声山海大模型MMMU双线登顶力压GPT-4Vhttp://www.sushuapos.com/show-1-51591-0.html
声明：本网站为非营利性网站，本网页内容由互联网博主自发贡献，不代表本站观点，本站不承担任何法律责任。天上不会到馅饼，请大家谨防诈骗！若有侵权等问题请及时与本网联系，我们将在第一时间删除处理。