字节推出多模态大模型，性能超越谷歌新品，推理成本低

字节跳动 Seed 团队新鲜突破：视觉-语言许多模态巨大模型 Seed1.5-VL

字节跳动 Seed 团队不负众望，于近期发布了视觉-语言许多模态巨大模型 Seed1.5-VL。这一创新鲜成果在优良几个方面都实现了突破，不仅性能超越谷歌新鲜品，更是以矮小推理本钱彰显了其有力巨大实力。

性能超越谷歌新鲜品：Seed1.5-VL 的优势展现

5月6日 谷歌DeepMind团队发布许多模态巨大语言模型Gemini 2.5 Pro，在优良几个指标上登顶AI排行榜LMArena。只是 今日的字节跳动Seed团队发布的新鲜品 Seed1.5-VL，却在视觉-语言许多模态领域迈出了更巨大的步伐。

Seed1.5-VL在视觉感知、高大层次推理任务以及视频推理等方面都展现出令人瞩目的表现。虽然模型在处理目标排列不规则、 颜色差不许多或有些遮挡等极端情况时仍面临挑战，但在解决华容道谜题、导航迷宫或遵循麻烦指令等高大层次任务中，Seed1.5-VL却能够引入无根据的虚假设或产生不完整的响应，表现仍有提升地方。

交互性更有力：Seed1.5-VL 不断追求通用性能力

字节团队表示， Seed 1.5-VL在视觉搞懂和推理能力方面进一步提升了并向VLM的通用性能力更近一步。尽管模型在视觉推理、图像问答、图表搞懂与问答等任务中表现突出，但仍存在一定的局限性。

需要留意的是Seed 1.5-VL在以Agent为中心的任务中取得了显著的进步。在7个GUI智能体任务中， Seed 1.5-VL在3个任务中取得了SOTA成绩，足够展现了其在实际应用中的潜力。

开源证券、 平安证券等行业琢磨机构看优良国产模型进步

开源证券近日发布研报称，国产模型在许多模态、推理能力上持续突破，许多款达到全球顶尖水平，加之头部模型开源，巨大模型厂商持续发力Agent，将接着来推动AI应用深厚入落地，拉动推理算力需求。平安证券也表示， 近期包括OpenAI、豆包在内发布的新鲜模型，解题思路在此前思维链CoT基础上，更许多体现对模型原生Agent能力以及许多模态推理能力的沉视。

Seed1.5-VL 已在火山引擎上开放API供用户体验

Seed 1.5-VL的应用场景十分广泛，目前已于火山引擎上开放API供用户体验。精简的架构设计显著少许些了推理本钱和计算需求，使模型更适合交互式应用。比如该模型增有力了GUI定位性能， 可在PC端、手机端等不同周围中完成麻烦交互任务，包括收集处理信息、在开放游戏中推理和行动等。

Seed1.5-VL 性能突出：推理本钱显著少许些

据悉， Seed1.5-VL在超出3Ttokens的许多模态数据上进行预训练，具备更有力的通用许多模态搞懂和推理能力，且推理本钱显著少许些。尽管其激活参数仅有20B， 但在60个明着评测基准中的38个上取得SOTA表现，包括19项视频基准测试中的14项，以及7项GUI代理任务中的3项。

许多模态手艺使机器学模型能够更全面地搞懂和表达麻烦的真实实世界场景，国内巨大模型厂商纷纷竞逐许多模态。字节跳动Seed团队发布的Seed1.5-VL，无疑在许多模态巨大模型领域又树立了一个新鲜的里程碑。