在近日舉辦的火山引擎Force大會上，字節(jié)跳動公司正式揭曉了其最新的技術(shù)創(chuàng)新——豆包視覺理解模型。這一多模態(tài)大模型旨在為企業(yè)提供高性價比的視覺理解解決方案，其價格優(yōu)勢尤為顯著，據(jù)稱，處理千個tokens的成本僅為3厘，而處理284張720P圖片的費用更是低至1元，這一價格相較于行業(yè)平均水平低了85%。

火山引擎總裁譚待在會上詳細介紹了豆包視覺理解模型的獨特之處。他指出，該模型不僅能夠精確識別圖像內(nèi)容，還具備強大的理解和推理能力，可以執(zhí)行復(fù)雜的邏輯計算任務(wù)，例如分析圖表、處理代碼以及解答學(xué)科問題。豆包模型在視覺描述和創(chuàng)作方面同樣表現(xiàn)出色。

在豆包大模型系列產(chǎn)品的更新方面，同樣傳來了好消息。豆包通用模型pro已經(jīng)實現(xiàn)了與GPT-4o的全面對齊，但其使用價格僅為后者的八分之一。音樂模型則從原先的生成60秒簡單結(jié)構(gòu)升級為了能夠生成3分鐘的完整音樂作品。而文生圖模型2.1版本更是實現(xiàn)了業(yè)界首次的精準(zhǔn)生成漢字和一句話P圖的產(chǎn)品化能力，這一版本已經(jīng)成功接入了即夢AI和豆包App。

火山引擎大會還透露，豆包視頻生成模型1.5版將在2025年春季推出，新版本將具備更強的長視頻生成能力。同時，豆包端到端實時語音模型也將很快上線，屆時將解鎖多角色演繹、方言轉(zhuǎn)換等一系列新功能。譚待表示，盡管豆包大模型發(fā)布時間相對較晚，但其在短時間內(nèi)實現(xiàn)了快速的迭代和進化，目前已經(jīng)成為國內(nèi)技術(shù)最全面、最領(lǐng)先的大模型之一。

從數(shù)據(jù)上看，豆包通用模型的市場表現(xiàn)同樣亮眼。截至12月中旬，其日均tokens使用量已經(jīng)超過了4萬億，相較于七個月前首次發(fā)布時增長了33倍。這一數(shù)據(jù)表明，大模型應(yīng)用正在加速滲透到各行各業(yè)，成為推動數(shù)字化轉(zhuǎn)型的重要力量。

豆包大模型在智能終端領(lǐng)域的表現(xiàn)也頗為搶眼。目前，該模型已經(jīng)與八成主流汽車品牌建立了合作關(guān)系，并成功接入了多家手機、PC等智能終端，覆蓋終端設(shè)備數(shù)量約3億臺。在半年時間內(nèi)，來自智能終端的豆包大模型調(diào)用量實現(xiàn)了100倍的增長。