字节跳动发布新模型，加速多模态应用落地

多模态应用新篇章：字节跳动发布豆包视觉理解模型

在当今数字化浪潮中，多模态应用正逐渐成为推动技术革新的关键力量。字节跳动近日发布了一款名为豆包的视觉理解模型，旨在加速多模态应用落地，为企业提供更智能、高效的服务。

理论基础与核心技术：视觉理解的力量

视觉理解作为人工智能领域的一个重要分支，其核心在于让机器能够像人类一样理解和解读视觉信息。豆包视觉理解模型正是基于这一理论基础，通过深度学习等技术，实现了对视觉内容的精准识别、理解和推理。

应用场景与市场前景：多模态的无限可能

豆包视觉理解模型的应用场景十分广泛，包括但不限于智能安防、医疗影像、自动驾驶、工业质检等领域。随着技术的不断成熟，多模态应用将为企业带来更多创新机会，推动产业升级。

实践案例：豆包视觉理解模型助力企业提升效率

火山引擎总裁谭待表示，豆包视觉理解模型已成功接入豆包App和PC端产品，为用户提供更便捷的服务。

• 智能安防：通过识别图像中的异常情况，提高安保效率
• 医疗影像：辅助医生进行疾病诊断，提高诊断准确率
• 自动驾驶：实时识别道路状况，确保行车安全

技术升级与市场布局：火山引擎助力企业构建AI能力中心

在发布豆包视觉理解模型的同时，火山引擎还升级了火山方舟、扣子和 HiAgent 三款平台产品，帮助企业构建自身的AI能力中心，高效开发AI应用。

市场前景与战略布局：火山引擎引领AI云原生新时代

火山引擎总裁谭待表示，豆包大模型市场份额的爆发，得益于火山引擎“更强模型、更低成本、更易落地”的发展理念。火山引擎将继续致力于推动AI云原生技术的发展，让AI成为每一家企业都能用得起、用得好的普惠科技。

未来展望：豆包大模型全面升级，解锁更多新能力

未来，火山引擎将继续推动豆包大模型的升级，解锁更多新能力。据悉，2025年春季将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、转换等新能力。

在数字创作领域，想象力就是生产力。即梦Dreamina的张楠曾这样描述生成式AI技术：它就像一把魔镜，能将人们脑海中的幻想迅速转化为现实视觉。即梦的目标，就是成为记录和放大每一个创意梦想的相机，让每个人都能轻松地表达自己，自由地创作。

众所周知，人类获取的信息中超过80%来自视觉。视觉理解能力的增强，不仅拓宽了AI模型的应用边界，也大大降低了人们与AI交互的门槛，为AI解锁了更多应用场景。

火山引擎总裁谭待透露，豆包视觉理解模型不仅能够精准识别视觉内容，还具有出色的理解和推理能力。它能够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，该模型还具备细腻的视觉描述和创作能力。

据悉，豆包视觉理解模型已成功接入豆包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，豆包产品在多模态输入和打磨上做出了诸多努力，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。

在价格方面，火山引擎对豆包视觉理解模型进行了超低定价，旨在以更低的成本推动AI技术的普惠和应用发展。据悉，该模型千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%。

除了超低定价，火山引擎还升级了火山方舟、扣子和HiAgent三款平台产品，帮助企业构建自身的AI能力中心，高效开发AI应用。其中，火山方舟发布了大模型记忆方案，并推出prefix cache和session cache API，降低延迟和成本。火山方舟还带来全域AI搜索，具备场景化搜索推荐一体化、企业私域信息整合等服务。

据悉，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。在半年时间内，来自智能终端的豆包大模型调用量增长了100倍。

在火山引擎Force大会上，豆包3D生成模型首次亮相。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。

在为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。

谭待表示：“今年是大模型高速发展的一年。通过AI云原生和豆包大模型家族，火山引擎希望帮助企业做好AI创新，驶向更美好的未来。”

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。

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。谭待表示，豆包大模型市场份额的爆发，得益于火山引擎“更强模型、更低成本、更易落地”的发展理念，让AI成为每一家企业都能用得起、用得好的普惠科技。

大会正式宣告，2025年春季将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、转换等新能力。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。

数据显示，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。

DoNews12月18日消息，在12月18日举办的火山引擎Force大会上，字节跳动正式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。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。

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，更是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。