字節(jié)跳動(dòng)發(fā)布豆包視覺理解、3D生成等新模型 加速多模態(tài)應(yīng)用落地

    本報(bào)訊 （記者袁傳璽）12月18日，北京字節(jié)跳動(dòng)科技有限公司（以下簡(jiǎn)稱“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。

    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(shí)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。

    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(yǔ)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。

    同時(shí)，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(duì)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(jiǎn)單結(jié)構(gòu)，升級(jí)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(mèng)AI和豆包App。

    事實(shí)上，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(zhǎng)100倍。

    與企業(yè)生產(chǎn)力相關(guān)的場(chǎng)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(chǎng)景的調(diào)用量增長(zhǎng)了39倍，客服與銷售場(chǎng)景增長(zhǎng)16倍，硬件終端場(chǎng)景增長(zhǎng)13倍，AI工具場(chǎng)景增長(zhǎng)9倍，學(xué)習(xí)教育等場(chǎng)景也有大幅增長(zhǎng)。

    譚待表示：“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。”

（編輯 張偉）