在人工智能技术的浪潮中，AI已从早期的感知与生成阶段，大步迈入Agentic AI的新纪元。这一阶段的AI正逐渐展现出端到端的自主决策与执行能力，深入到各个生产环节的核心。
火山引擎总裁谭待在近期的FORCE LINK AI创新巡展·杭州站活动中，分享了火山引擎在AI模型、Agent工具以及云基础设施方面的最新进展。这些进展旨在帮助企业以更高效、更经济的方式构建和部署Agent应用。
火山引擎发布了豆包1.5·深度思考模型，并对豆包·文生图模型3.0和豆包·视觉理解模型进行了升级。还推出了面向Agent服务的OS Agent解决方案，以及GUI Agent大模型——豆包1.5·UI-TARS模型。同时，针对大规模推理需求，火山引擎还发布了AI云原生·ServingKit推理套件。
据统计，截至2025年3月底，豆包大模型的日均tokens调用量已超过12.7万亿，这一数字是2024年12月的三倍，更是其发布之初的106倍。IDC的报告显示，2024年中国公有云大模型调用量大幅增长，火山引擎凭借46.4%的市场份额，位居中国市场首位。
深度思考模型能够模拟人类的思维过程，对复杂问题进行精准分析和逻辑推导。新发布的豆包1.5·深度思考模型在数学、代码、科学等专业领域表现出色，已达到或接近全球领先水平。同时，在创意写作等非推理任务中，该模型也展现出强大的泛化能力，适用于多种复杂场景。
为了提升模型的通用性，火山引擎优化了数据处理策略，将可验证数据与创意性数据进行融合处理。通过采用创新的双轨奖励机制，大规模强化学习技术得以有效优化，兼顾了“对错分明”和“见仁见智”的任务。
豆包1.5·深度思考模型采用MoE架构，总参数达到200B，但激活参数仅为20B，具有显著的成本优势。该模型在提供高并发承载能力的同时，实现了20毫秒的极低延迟。豆包APP基于豆包1.5·深度思考模型进行了定向训练，能够“边想边搜”，解决了生活生产中的具体问题。
例如，在推荐露营装备时，豆包1.5·深度思考模型能够综合考虑温度、天气、预算、便携性和安全性等多个因素，经过多轮搜索和思考，给出细致周到的推荐方案。同时，该模型还具备视觉理解能力，能够基于所见画面进行思考，使思考更加立体。
此次升级的豆包·文生图模型3.0在文字排版、图像生成效果以及高清图片生成方面均有显著提升。该模型可广泛应用于影视、海报、绘画、玩偶设计等营销、电商和设计场景，为用户带来更好的视觉体验。
在最新的文生图领域权威榜单Artificial Analysis竞技场中，豆包·文生图3.0模型超越了众多主流模型，排名全球领先。同时，新版本的豆包·视觉理解模型在视觉定位和视频理解能力上也有大幅提升，可应用于线下门店巡检、GUI agent、机器人训练、自动驾驶训练以及安防、家庭看护等商业化场景。
火山引擎还发布了OS Agent解决方案，该方案通过火山引擎veFaaS平台对豆包大模型能力进行封装，让企业和开发者能够轻松构建轻量级的Code use和Browser use。同时，针对任务相对复杂的Computer Use和Mobile Use Agent，可以通过ECS或云手机等调用豆包1.5·UI-TARS模型，实现精准的感知、自主推理和行动。
为了支持大规模的推理需求，火山引擎推出了ServingKit推理套件，帮助企业实现模型的快速部署、推理优化和运维可观测。该套件可在极短时间内完成大模型的下载和预热，以及推理引擎的加载。同时，通过优化算子、AI网关和VKE编排调度，可以大幅度降低GPU消耗，提高资源利用率。
火山引擎还发布了国内首个AI IDE——Trae。这款AI原生的集成开发环境工具可以让开发者和AI进行更智能的协作，实现软件开发的交付化、智能化和协作化。未来，AI Agent将在“应用Agent”和“OS Agent”两个方向上并行发展，为企业和开发者带来更多创新和机遇。
