在AI技术日新月异的今天，视觉理解模型领域迎来了新的里程碑。字节跳动在火山引擎Force大会上宣布，其推出的豆包视觉理解模型正式迈入“厘时代”，以极低的成本为企业提供强大的多模态大模型能力。
这款豆包视觉理解模型在价格上极具竞争力，每千个tokens的输入费用仅为3厘。这意味着，用户只需花费1元，就能处理高达284张720P分辨率的图片，相比行业内的其他服务，价格便宜了整整85%。这一举措无疑将极大地推动AI技术的普及和应用发展。
豆包视觉理解模型不仅在价格上具备优势，在功能上同样表现出色。据火山引擎总裁谭待介绍，该模型不仅能精确识别视觉内容，还拥有卓越的理解和推理能力。它能够根据图像信息进行复杂的逻辑计算，完成分析图表、处理代码、解答学科问题等任务。豆包模型还具备细腻的视觉描述和创作能力，为用户提供了更多的应用场景。
豆包大模型在此次大会上还迎来了全面升级。其中，豆包3D生成模型首次亮相，该模型与火山引擎数字孪生平台veOmniverse结合使用，可以高效地完成智能训练、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。豆包通用模型pro已经全面对齐GPT-4o，但使用价格仅为后者的1/8；音乐模型也从生成60秒的简单结构，升级到能够生成3分钟的完整作品；文生图模型2.1版本更是首次实现了精准生成汉字和一句话P图的产品化能力。
除了视觉理解模型外，豆包大模型的其他产品也迎来了重要更新。据悉，2025年春季将推出具备更长视频生成能力的豆包视频生成模型1.5版，豆包端到端实时语音模型也将很快上线，从而解锁多角色演绎、方言转换等新能力。谭待表示，虽然豆包大模型发布时间相对较晚，但一直在快速迭代进化，目前已成为国内最全面、技术最领先的大模型之一。
豆包大模型的市场表现同样令人瞩目。数据显示，截至12月中旬，豆包通用模型的日均tokens使用量已超过4万亿，较首次发布时增长了33倍。大模型应用正在向各行各业加速渗透，与八成主流汽车品牌合作，并接入到多家手机、PC等智能终端，覆盖终端设备约3亿台。来自智能终端的豆包大模型调用量在半年时间内增长100倍。
与企业生产力相关的场景，豆包大模型也获得了众多企业客户的青睐。最近3个月，豆包大模型在信息处理场景的调用量增长了39倍，客服与销售场景增长16倍，硬件终端场景增长13倍，AI工具场景增长9倍，学习教育等场景也有大幅增长。谭待认为，豆包大模型市场份额的爆发，得益于火山引擎“更强模型、更低成本、更易落地”的发展理念，让AI成为每一家企业都能用得起、用得好的普惠科技。
为了帮助企业更好地构建自身的AI能力中心，高效开发AI应用，火山引擎还升级了火山方舟、扣子和HiAgent三款平台产品。其中，火山方舟发布了大模型记忆方案，并推出prefix cache和session cache API，以降低延迟和成本。同时，火山方舟还带来了全域AI搜索服务，具备场景化搜索推荐一体化、企业私域信息整合等功能。
火山引擎认为，随着大模型时代的到来，云计算的变革也在加速进行。基于AI云原生的理念，火山引擎推出了新一代计算、网络、存储和安全产品。在计算层面，火山引擎GPU实例通过vRDMA网络支持大规模并行计算和P/D分离推理架构，显著提升训练和推理效率，降低成本。在存储上，新推出的EIC弹性极速缓存能够实现GPU直连，使大模型推理时延降低至1/50，成本降低20%。在安全层面，火山将推出PCC私密云服务，构建大模型的可信应用体系。
