字節跳動在近期的一次重大技術發布會上，正式推出了其全新的豆包視覺理解模型，標志著視覺理解技術也步入了“厘時代”的嶄新階段。這一創新舉措，無疑為企業用戶提供了前所未有的高性價比多模態大模型服務。
在火山引擎Force大會上，豆包視覺理解模型驚艷亮相，其每千個tokens的輸入費用僅為3厘，這一價格優勢意味著企業僅需一元錢便能處理多達284張720P分辨率的圖片，相較于市面上的同類服務，成本降低了85%。這一突破性定價，無疑將極大地推動AI技術的普及與應用發展。
豆包視覺理解模型不僅具備精準的視覺內容識別能力，更在理解和推理方面展現出卓越實力。它能夠根據圖像信息進行復雜的邏輯運算，無論是分析圖表、處理代碼，還是解答學科問題，都游刃有余。該模型還擁有細膩的視覺描述和創作能力，為用戶帶來了更加豐富多樣的使用體驗。
據了解，豆包視覺理解模型已順利接入豆包App及PC端產品，其便捷性和高效性得到了用戶的廣泛好評。豆包戰略研究負責人周昊表示，豆包團隊一直致力于提升用戶的輸入體驗，通過不斷優化多模態輸入功能，包括語音、視覺等，使得用戶能夠更加快速、方便地使用豆包產品。這些先進的模型技術，現已通過火山引擎平臺向企業客戶全面開放。
在發布會上，豆包3D生成模型也首次公開亮相。該模型與火山引擎的數字孿生平臺veOmniverse強強聯合，能夠高效完成智能訓練、數據合成以及數字資產制作等任務，為AIGC創作提供了一套強大的物理世界仿真模擬器。
豆包大模型的多款產品也迎來了重要更新。豆包通用模型pro已全面對標GPT-4，但使用價格僅為后者的八分之一。音樂模型從原先只能生成60秒的簡單結構，升級到了能夠創作3分鐘的完整音樂作品。而文生圖模型2.1版本，更是首次在業界實現了精準生成漢字和一句話P圖的產品化能力，并已成功接入即夢AI和豆包App。
火山引擎總裁譚待在會上透露，豆包視頻生成模型1.5版將于2025年春季推出，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，為用戶帶來多角色演繹、方言轉換等全新功能。譚待強調，盡管豆包大模型發布時間相對較晚，但其憑借快速的迭代和進化，已成為國內技術最領先、功能最全面的大模型之一。
數據顯示，截至12月中旬，豆包通用模型的日均tokens使用量已超過4萬億，較首次發布時增長了33倍。豆包大模型已廣泛應用于各行各業，與八成主流汽車品牌建立了合作關系，并接入了多家手機、PC等智能終端，覆蓋終端設備約3億臺。在智能終端上，豆包大模型的調用量在半年內增長了100倍。
在企業生產力相關的場景中，豆包大模型同樣備受青睞。近三個月來，豆包大模型在信息處理場景的調用量增長了39倍，客服與銷售場景增長了16倍，硬件終端場景增長了13倍，AI工具場景增長了9倍，學習教育等場景也實現了大幅增長。譚待認為，豆包大模型市場份額的快速增長，得益于火山引擎“更強模型、更低成本、更易落地”的發展理念，讓AI真正成為每家企業都能輕松使用的高效科技。
火山引擎在發布會上還升級了火山方舟、扣子和HiAgent三款平臺產品，助力企業構建自身的AI能力中心，高效開發AI應用。火山方舟推出了大模型記憶方案，并引入了prefix cache和session cache API，以降低延遲和成本。同時，火山方舟還推出了全域AI搜索服務，提供場景化搜索推薦一體化和企業私域信息整合等功能。
云原生作為過去十年最重要的計算范式，如今正迎來大模型時代的變革?；鹕揭嬲J為，下一個十年的計算范式將從云原生邁入AI云原生的新時代。為此，火山引擎推出了新一代計算、網絡、存儲和安全產品，以滿足大模型時代的需求。在計算層面，火山引擎GPU實例通過vRDMA網絡，支持大規模并行計算和P/D分離推理架構，顯著提升訓練和推理效率，降低成本。在存儲方面，新推出的EIC彈性極速緩存能夠實現GPU直連，使大模型推理時延降低至原來的五十分之一，成本降低20%。在安全層面，火山引擎將推出PCC私密云服務，構建大模型的可信應用體系，實現用戶數據在云上推理的端到端加密，且性能優異，推理時延與明文模式相比差異在5%以內。
