2024-12-18 11:59
在2024年12月18日的火山引擎Force大会上，字节跳动隆重推出豆包视觉理解模型及豆包3D生成模型，标志着其在多模态AI技术应用方面的又一重要进展。此次发布的豆包视觉理解模型以其超低的使用成本和高效的视觉理解能力，预计将为企业用户提供极具性价比的多模态大模型解决方案。
该视觉理解模型的定价仅为千tokens输入3厘，每元便可处理284张720P的图片，这一价格比行业平均水平低85%。火山引擎总裁谭待强调，视觉理解不仅能够显著拓宽大模型的能力边界，还将降低用户与大模型的交互门槛，从而解锁更多应用场景。这种革新直接回应了用户对AI技术普惠化的需求。
豆包视觉理解模型的核心功能包括精准识别视觉内容、出色的理解与推理能力，和能够进行复杂逻辑计算的能力。这使得它能够处理分析图表、代码以及解答学科相关问题等多重任务。此外，模型还具备细腻的视觉描述和创作能力，为用户提供了丰富的创作可能性。
豆包大模型的全面升级，还包括了豆包通用模型Pro的发布，该模型使用价格仅为同类产品GPT-4o的1/8，显示了字节跳动在提升AI技术应用普遍性方面的决心。此外，豆包音乐模型从生成60秒的简单音乐结构提升至3分钟的完整作品，而文生图模型2.1则实现了精准生成汉字和句子图像的能力，成为行业内首次实现这些功能的产品。
随着视觉理解和3D生成模型的推出，豆包的多模态特性得到了充分体现。3D生成模型与火山引擎的数字孪生平台veOmniverse结合，能够高效支持智能训练、数据合成以及数字资产制作，进一步推动AIGC（AI生成内容）创作的效率和质量。在实际应用中，特别是在游戏、虚拟现实与增强现实等领域，这些技术提供了前所未有的想象空间和创作自由。
实际上，从发布至今，豆包大模型的使用量以惊人的速度增长，数据显示，截至12月中旬，日均tokens使用量已达4万亿，较七个月前增长了33倍。这一数据不仅显示了豆包大模型技术的吸引力，也反映了AI应用正在向各个行业渗透的趋势。与多家主流汽车品牌及智能终端厂商的合作，使得豆包大模型的覆盖终端设备已达到约3亿台。
在智能终端、客户服务、销售等多个场景，豆包大模型的调用量均呈现出迅猛的增长，充分表明了市场对于高效AI解决方案的迫切需求。随着AI技术的不断进步和普及，火山引擎通过提供“更强模型、更低成本、更易落地”的服务理念，力求让AI成为每个企业能负担得起的普惠科技。
此外，火山引擎在产品升级方面也展现出创新能力，包括大模型记忆方案、全域AI搜索等新功能，致力于帮助企业构建自身的AI能力中心，从而高效开发AI应用。基于AI云原生的理念，火山引擎推出了新一代计算、网络、存储产品，并将大模型推理时延降低至1/50。此外，PCC私密云服务的推出，为企业的用户数据提供了更为安全的保障。
未来，字节跳动与火山引擎将继续加速多模态AI的技术发展。谭待指出，随着大模型的快速迭代，豆包已然成为国内技术最领先、应用最广泛的大模型之一，未来的AI应用将更加深刻地改变我们的工作和生活方式，推动人类与技术的更深融合。
追加内容
本文作者可以追加内容哦 !
