字节跳动发布豆包视觉理解、3D生成等新模型，视频大模型或将成下一个竞争高地

城事




“今年是大模型高速发展的一年。当你看到一列高速行驶的列

<body>
 <div class="medium_layout" contenteditable="false">
  <div contenteditable="true">
   <img class="ait_item_box img_default" style="max-width: 600px; height: auto; display: block; margin: 0 auto;" src="https://image.whb.cn/image/58cc6e66e9224925b9bf715b53eace9b.jpg" alt="" width="1702" height="1276" data-id="1204013" data-src="https://image.whb.cn/image/58cc6e66e9224925b9bf715b53eace9b.jpg" data-width="1702" data-height="1276">
  </div>
 </div>
 <p>“今年是大模型高速发展的一年。当你看到一列高速行驶的列车，最重要的事就是确保自己要登上这趟列车。”火山引擎总裁谭待这样表示。</p>
 <p>继大语言模型价格以厘计算之后，视觉理解模型也宣告进入“厘时代”。在昨天举办的火山引擎 Force 大会上，字节跳动发布发布豆包视觉理解模型，为企业提供极具性价比的多模态大模型能力。记者获悉，字节将于2025年春季推出具备更长视频生成能力的豆包视频生成模型1.5版，豆包端到端实时语音模型也将很快上线，从而解锁多角色演绎、方言转换等新能力。</p>
 <div class="medium_layout" contenteditable="false">
  <div contenteditable="true">
   <img class="ait_item_box img_default" style="max-width: 600px; height: auto; display: block; margin: 0 auto;" src="https://image.whb.cn/image/2aa1c99bc7fe4a26a6cb4f571e655d79.jpg" alt="" width="1702" height="1276" data-id="1204012" data-src="https://image.whb.cn/image/2aa1c99bc7fe4a26a6cb4f571e655d79.jpg" data-width="1702" data-height="1276">
  </div>
 </div>
 <p><strong>豆包大模型全面升级</strong></p>
 <p>研究显示，人类接受的信息超过80%来自视觉。视觉理解将极大地拓展大模型的能力边界，同时也会降低人们与大模型交互的门槛，为大模型解锁更丰富的应用场景。</p>
 <p>据火山引擎总裁谭待介绍，豆包视觉理解模型不仅能精准识别视觉内容，还具备出色的理解和推理能力，可根据图像信息进行复杂的逻辑计算，完成分析图表、处理代码、解答学科问题等任务。此外，该模型有着细腻的视觉描述和创作能力。豆包视觉理解模型千tokens输入价格仅为3厘，一元钱就可处理284张720P的图片，比行业价格便宜85％，以更低成本推动AI技术普惠和应用发展。</p>
 <div class="medium_layout" contenteditable="false">
  <div contenteditable="true">
   <img class="ait_item_box img_default" style="max-width: 600px; height: auto; display: block; margin: 0 auto;" src="https://image.whb.cn/image/154e07a9737440858b9374704f34fefc.jpg" alt="" width="864" height="608" data-id="1204016" data-src="https://image.whb.cn/image/154e07a9737440858b9374704f34fefc.jpg" data-width="864" data-height="608">
  </div>
  <div class="medium_desc" contenteditable="true">
   火山引擎总裁谭待
  </div>
 </div>
 <p>此前，豆包视觉理解模型已经接入豆包App和PC端产品。豆包战略研究负责人周昊表示：“豆包一直在努力，让用户的输入更快更方便”。为此，豆包产品非常注重多模态的输入和打磨，包括语音、视觉等能力，这些模型都已通过火山引擎开放给企业客户。</p>
 <p>会上，豆包3D生成模型也首次亮相。该模型与火山引擎数字孪生平台veOmniverse结合使用，可以高效完成智能训练、数据合成和数字资产制作，成为一套支持 AIGC 创作的物理世界仿真模拟器。</p>
 <p>此外，豆包大模型多款产品也迎来重要更新：豆包通用模型pro已全面对齐GPT-4o，使用价格仅为后者的1/8；音乐模型从生成60秒的简单结构，升级到生成3分钟的完整作品；文生图模型2.1版本，在业界首次实现精准生成汉字和一句话P图的产品化能力，该模型已接入即梦AI和豆包App。</p>
 <p>即梦Dreamina张楠认为，生成式AI技术可以把每个人脑子里的奇思妙想快速视觉化，“像做梦一样”。即梦希望成为“想象力世界”的相机，记录每个人的奇思妙想，帮助每个有想法的人轻松表达、自由创作。</p>
 <p>&nbsp;</p>
 <div class="medium_layout" contenteditable="false">
  <div contenteditable="true">
   <img class="ait_item_box img_default" style="max-width: 600px; height: auto; display: block; margin: 0 auto;" src="https://image.whb.cn/image/67976479cf45469f88ceda8484489655.jpg" alt="" width="864" height="575" data-id="1204015" data-src="https://image.whb.cn/image/67976479cf45469f88ceda8484489655.jpg" data-width="864" data-height="575">
  </div>
  <div class="medium_desc" contenteditable="true">
   即梦Dreamina 张楠
  </div>
 </div>
 <p>谭待表示，豆包大模型虽然发布较晚，但一直在快速迭代进化，目前已成为国内最全面、技术最领先的大模型之一。</p>
 <p><strong>大模型应用加速落地</strong></p>
 <p>临近年尾，大模型企业相继发布了自己的大模型数据。截至12月中旬，豆包通用模型的日均tokens使用量已超过4万亿，较七个月前首次发布时增长了33倍。大模型应用正在向各行各业加速渗透。</p>
 <p>用户会使用豆包大模型做什么？用户的创意天马行空。有的人用豆包练习英语对话、有的人用豆包教孩子奥数，也有的人用豆包做旅行规划。</p>
 <div class="medium_layout" contenteditable="false">
  <div contenteditable="true">
   <img class="ait_item_box img_default" style="max-width: 600px; height: auto; display: block; margin: 0 auto;" src="https://image.whb.cn/image/97db2bba95ba4ffca9e2f3f3775736a3.jpg" alt="" width="1702" height="1276" data-id="1204014" data-src="https://image.whb.cn/image/97db2bba95ba4ffca9e2f3f3775736a3.jpg" data-width="1702" data-height="1276">
  </div>
 </div>
 <p>而在B端，豆包大模型已经与八成主流汽车品牌合作，并接入到多家手机、PC等智能终端，覆盖终端设备约3亿台，来自智能终端的豆包大模型调用量在半年时间内增长100倍。与企业生产力相关的场景，豆包大模型也获得了众多企业客户青睐：最近3个月，豆包大模型在信息处理场景的调用量增长了39倍，客服与销售场景增长16倍，硬件终端场景增长13倍，AI工具场景增长9倍，学习教育等场景也有大幅增长。</p>
 <p>谭待认为，豆包大模型市场份额的爆发，将“让AI成为每一家企业都能用得起、用得好的普惠科技”。</p>
 <p>云原生是过去十年最重要的计算范式，大模型时代则推动着云计算的变革。火山引擎认为，下一个十年，计算范式应该从云原生进入到AI云原生的新时代。基于AI云原生的理念，火山引擎推出了新一代计算、网络、存储和和安全产品。在计算层面，火山引擎GPU实例，通过vRDMA网络，支持大规模并行计算和P/D分离推理架构，显著提升训练和推理效率，降低成本；存储上，新推出的EIC弹性极速缓存，能够实现GPU直连，使大模型推理时延降低至1/50、成本降低20%；在安全层面，火山将推出PCC私密云服务，构建大模型的可信应用体系。基于PCC，企业能够实现用户数据在云上推理的端到端加密，而且性能很好，推理时延比明文模式的差异在5%以内。</p>
 <p class="MsoNormal" style="margin: 6pt 0cm; text-align: left; font-size: 10.5pt; font-family: Calibri, sans-serif; text-indent: 22pt; line-height: 16.8px;" align="left">&nbsp;</p>
 <div class="content_sign">
  文：徐晶卉<br>
   图：徐晶卉<br>
   编辑：唐玮婕<br>
   责任编辑：戎兵
 </div>
</body>

字节跳动发布豆包视觉理解、3D生成等新模型，视频大模型或将成下一个竞争高地

扫码下载文汇客户端