豆包視覺理解模型正式發(fā)布，比行業(yè)價格便宜85%

12月18日消息，繼大語言模型價格以厘計算之后，視覺理解模型也宣告進入“厘時代”。

在火山引擎 Force 大會上，字節(jié)跳動正式發(fā)布發(fā)布豆包視覺理解模型，為企業(yè)提供極具性價比的多模態(tài)大模型能力。

據(jù)介紹，豆包視覺理解模型千tokens輸入價格僅為3厘，一元錢就可處理284張720P的圖片，比行業(yè)價格便宜85％。

火山引擎總裁譚待表示，豆包視覺理解模型不僅能精準識別視覺內(nèi)容，還具備出色的理解和推理能力，可根據(jù)圖像信息進行復(fù)雜的邏輯計算，完成分析圖表、處理代碼、解答學科問題等任務(wù)。此外，該模型有著細膩的視覺描述和創(chuàng)作能力。

此前，豆包視覺理解模型已經(jīng)接入豆包App和PC端產(chǎn)品。豆包戰(zhàn)略研究負責人周昊表示：“豆包一直在努力，讓用戶的輸入更快更方便”。為此，豆包產(chǎn)品非常注重多模態(tài)的輸入和打磨，包括語音、視覺等能力，這些模型都已通過火山引擎開放給企業(yè)客戶。

會上，豆包3D生成模型也首次亮相。該模型與火山引擎數(shù)字孿生平臺veOmniverse結(jié)合使用，可以高效完成智能訓練、數(shù)據(jù)合成和數(shù)字資產(chǎn)制作，成為一套支持 AIGC 創(chuàng)作的物理世界仿真模擬器。

此外，豆包大模型多款產(chǎn)品也迎來重要更新：豆包通用模型pro已全面對齊GPT-4o，使用價格為后者的1/8；音樂模型從生成60秒的簡單結(jié)構(gòu)，升級到生成3分鐘的完整作品；文生圖模型2.1版本，在業(yè)界首次實現(xiàn)精準生成漢字和一句話P圖的產(chǎn)品化能力，該模型已接入即夢AI和豆包App。

火山引擎方面宣布，2025年春季將推出具備更長視頻生成能力的豆包視頻生成模型1.5版，豆包端到端實時語音模型也將很快上線，從而解鎖多角色演繹、方言轉(zhuǎn)換等新能力。譚待表示，豆包大模型雖然發(fā)布較晚，但一直在快速迭代進化，目前已成為國內(nèi)最全面、技術(shù)最領(lǐng)先的大模型之一。 （周小白）

生成海報