字节跳动火山引擎发布豆包视觉理解模型，开启AI“厘时代”

近日，字节跳动在火山引擎Force大会上正式发布了其豆包视觉理解模型，标志着视觉理解模型也进入了价格低廉的“厘时代”。该模型千tokens输入价格仅为3厘，性价比极高，处理图像的速度和效率远超行业平均水平，价格比同行低85%。

豆包视觉理解模型的功能十分强大，不仅可以精准识别图像内容，还具备理解和推理能力，能够根据图像信息进行复杂的逻辑计算，例如分析图表、处理代码和解答学科问题等。此外，它还拥有细腻的视觉描述和创作能力。

除了视觉理解模型，字节跳动还发布了豆包3D生成模型，该模型结合火山引擎数字孪生平台veOmniverse，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。

此外，豆包通用模型Pro已全面对齐GPT-4，价格仅为其1/8；音乐模型也从生成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版本实现了业界首个精准生成汉字和一句话P图的产品化能力，并已接入即梦AI和豆包App。

未来，火山引擎还计划在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，并很快上线豆包端到端实时语音模型，解锁多角色演绎、方言转换等新能力。总而言之，虽然发布较晚，但豆包大模型凭借其快速迭代和强大的功能，已迅速成为国内最全面、技术最领先的大模型之一。