盘古大模型5.5在高效长序列、低幻觉、快慢思考融合、Agent等特性上进行升级，提升用户体验。例如，盘古提出了自适应快慢思考合一的技术，通过构建难度感知的快慢思考数据和两阶段渐进训练，实现模型根据问题难易程度自适应地切换快慢思考，简单问题敏捷回复，复杂问题深度思考，整体模型推理效率提升8倍。盘古深度研究DeepDiver通过长链难题合成、渐进式奖励等关键技术，可以在网页搜索、常识性问答等应用上获得很高的执行效率，如可以在5分钟内完成超过10跳的复杂问答、生成万字以上的专业调研报告等，大幅提升工作效率。

盘古预测大模型：采用业界首创的triplet transformer统一预训练架构，将不同行业的数据，包括工艺参数的表格数据，设备运行日志的时间序列数据，产品检测的图片数据进行统一的三元组编码，并在同一框架内高效处理和预训练，极大地提升预测大模型的精度，并大幅提升跨行业、跨场景的泛化性。

盘古科学计算大模型：华为云持续拓展盘古科学计算大模型与更多科学应用领域的结合。深圳气象局基于盘古，进一步升级了“智霁”大模型，首次实现AI集合预报，能更直观地反映天气系统的演变可能性，减少单一预报模型的误差。重庆市气象局针对成渝地区降水局地性强，且降水强度大的特点，基于盘古打造了“天资·12h“气象大模型，提升灾害天气的日内预报预警能力。深圳能源采用盘古进行中短期风光水发电量预测，减少发电侧弃电，提升能源开发效率。

盘古计算机视觉CV大模型：华为云发布全新MoE架构的300亿参数视觉大模型，这是目前业界最大的视觉模型，并全面支持图像、红外、激光点云、光谱、雷达等多维度、泛视觉的感知、分析与决策。另外，盘古CV大模型通过跨维度生成模型，构建油气、交通、煤矿等工业场景稀缺的泛视觉故障样本库，极大地提升了业务场景的可识别种类与精度。

盘古多模态大模型：全新发布基于盘古多模态大模型的世界模型，可以为智能驾驶、具身智能机器人的训练，构建所需要的数字物理空间，实现持续优化迭代。例如，在智能驾驶领域，输入首帧的行车场景、行车控制信息和路网数据，盘古世界模型就可以生成每路摄像头的行车视频和激光雷达的点云，能够为智能驾驶生成大量的训练数据，而无需依赖高成本的路采。

在过去的一年中，盘古大模型持续深耕行业，已在30多个行业、500多个场景中落地，在政务、金融、制造、医疗、煤矿、钢铁、铁路、自动驾驶、气象等领域发挥巨大价值，重塑千行万业，成就行业AI先锋。