繼大語言模型價(jià)格以厘計(jì)算之后，視覺理解模型也宣告進(jìn)入“厘時(shí)代”。
在12月18日舉辦的火山引擎 Force 大會(huì)上，字節(jié)跳動(dòng)正式發(fā)布豆包視覺理解模型，為企業(yè)提供極具性價(jià)比的多模態(tài)大模型能力。豆包視覺理解模型千tokens輸入價(jià)格僅為3厘，一元錢就可處理284張720P的圖片，比行業(yè)價(jià)格便宜85%，以更低成本推動(dòng)AI技術(shù)普惠和應(yīng)用發(fā)展。
豆包大模型全面升級
研究顯示，人類接受的信息超過80%來自視覺。視覺理解將極大地拓展大模型的能力邊界，同時(shí)也會(huì)降低人們與大模型交互的門檻，為大模型解鎖更豐富的應(yīng)用場景。
據(jù)火山引擎總裁譚待介紹，豆包視覺理解模型不僅能精準(zhǔn)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(jìn)行復(fù)雜的邏輯計(jì)算，完成分析圖表、處理代碼、解答學(xué)科問題等任務(wù)。此外，該模型有著細(xì)膩的視覺描述和創(chuàng)作能力。
圖：火山引擎總裁譚待
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(fù)責(zé)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(huì)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(tái)veOmniverse結(jié)合使用，可以高效完成智能訓(xùn)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。
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(jià)格僅為后者的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，更是在業(yè)界首次實(shí)現(xiàn)精準(zhǔn)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。
即夢Dreamina張楠認(rèn)為，生成式AI技術(shù)可以把每個(gè)人腦子里的奇思妙想快速視覺化，“像做夢一樣”。即夢希望成為“想象力世界”的相機(jī)，記錄每個(gè)人的奇思妙想，幫助每個(gè)有想法的人輕松表達(dá)、自由創(chuàng)作。
圖：即夢Dreamina 張楠
大會(huì)正式宣告，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(shí)時(shí)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(jìn)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。
大模型應(yīng)用加速落地
數(shù)據(jù)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，較七個(gè)月前首次發(fā)布時(shí)增長了33倍。大模型應(yīng)用正在向各行各業(yè)加速滲透。
據(jù)悉，豆包大模型已經(jīng)與八成主流汽車品牌合作，并接入到多家手機(jī)、PC等智能終端，覆蓋終端設(shè)備約3億臺(tái)，來自智能終端的豆包大模型調(diào)用量在半年時(shí)間內(nèi)增長100倍。
與企業(yè)生產(chǎn)力相關(guān)的場景，豆包大模型也獲得了眾多企業(yè)客戶青睞：最近3個(gè)月，豆包大模型在信息處理場景的調(diào)用量增長了39倍，客服與銷售場景增長16倍，硬件終端場景增長13倍，AI工具場景增長9倍，學(xué)習(xí)教育等場景也有大幅增長。
譚待認(rèn)為，豆包大模型市場份額的爆發(fā)，得益于火山引擎“更強(qiáng)模型、更低成本、更易落地”的發(fā)展理念，讓AI成為每一家企業(yè)都能用得起、用得好的普惠科技。
在公布豆包視覺理解模型超低定價(jià)的同時(shí)，火山引擎升級了火山方舟、扣子和 HiAgent 三款平臺(tái)產(chǎn)品，幫助企業(yè)構(gòu)建好自身的 AI 能力中心，高效開發(fā) AI 應(yīng)用。其中，火山方舟發(fā)布了大模型記憶方案，并推出 prefix cache 和 session cache API，降低延遲和成本。火山方舟還帶來全域 AI 搜索，具備場景化搜索推薦一體化、企業(yè)私域信息整合等服務(wù)。
云原生是過去十年最重要的計(jì)算范式，大模型時(shí)代則推動(dòng)著云計(jì)算的變革。火山引擎認(rèn)為，下一個(gè)十年，計(jì)算范式應(yīng)該從云原生進(jìn)入到AI云原生的新時(shí)代。
基于AI云原生的理念，火山引擎推出了新一代計(jì)算、網(wǎng)絡(luò)、存儲(chǔ)和和安全產(chǎn)品。在計(jì)算層面，火山引擎GPU實(shí)例，通過vRDMA網(wǎng)絡(luò)，支持大規(guī)模并行計(jì)算和P/D分離推理架構(gòu)，顯著提升訓(xùn)練和推理效率，降低成本;存儲(chǔ)上，新推出的EIC彈性極速緩存，能夠?qū)崿F(xiàn)GPU直連，使大模型推理時(shí)延降低至1/50、成本降低20%;在安全層面，火山將推出PCC私密云服務(wù)，構(gòu)建大模型的可信應(yīng)用體系。基于PCC，企業(yè)能夠?qū)崿F(xiàn)用戶數(shù)據(jù)在云上推理的端到端加密，而且性能很好，推理時(shí)延比明文模式的差異在5%以內(nèi)。
譚待說：“今年是大模型高速發(fā)展的一年。當(dāng)你看到一列高速行駛的列車，最重要的事就是確保自己要登上這趟列車。通過AI云原生和豆包大模型家族，火山引擎希望幫助企業(yè)做好AI創(chuàng)新，駛向更美好的未來。”
