豆包视觉理解模型正式发布,一元钱可处理近300张高清图片

今天,在火山引擎 Force 大会上, 字节跳动正式发布豆包视觉理解模型 ,为企业提供极具性价比的多模态大模型能力。豆包视觉理解模型千tokens输入价格仅为3厘,一元钱就可处理284张720P的图片,比行业价格便宜85%,以更低成本推动AI技术普惠和应用发展。

继大语言模型价格以厘计算之后,视觉理解模型也宣告进入"厘时代"。

豆包大模型全面升级

火山引擎总裁谭待介绍,豆包视觉理解模型不仅能精准识别视觉内容,还具备出色的理解和推理能力,可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。此外,该模型有着细腻的视觉描述和创作能力。

图| 火山引擎总裁谭待

此前,豆包视觉理解模型已经接入豆包App和PC端产品。豆包战略研究负责人周昊表示:"豆包一直在努力,让用户的输入更快更方便。"为此,豆包产品非常注重多模态的输入和打磨,包括语音、视觉等能力,这些模型都已通过火山引擎开放给企业客户。

会上,豆包3D生成模型也首次亮相。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。

豆包大模型多款产品也迎来重要更新:豆包通用模型pro已全面对齐GPT-4o,使用价格仅为后者的1/8;音乐模型从生成60秒的简单结构,升级到生成3分钟的完整作品;文生图模型2.1版本,更是在业界首次实现精准生成汉字和一句话P图的产品化能力,该模型已接入即梦AI和豆包App。

剪映业务负责人张楠认为,生成式AI技术可以把每个人脑子里的奇思妙想快速视觉化,"像做梦一样"。即梦希望成为"想象力世界"的相机,记录每个人的奇思妙想,帮助每个有想法的人轻松表达、自由创作。

图| 剪映业务负责人张楠

大会正式宣告,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,豆包大模型虽然发布较晚,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。

大模型 应用加速落地

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,较七个月前首次发布时增长了33倍。大模型应用正在向各行各业加速渗透。

目前,豆包大模型已经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。

谭待说:"今年是大模型高速发展的一年。当你看到一列高速行驶的列车,最重要的事就是确保自己要登上这趟列车。通过AI云原生和豆包大模型家族,火山引擎希望帮助企业做好AI创新,驶向更美好的未来。"

相关推荐
2202_75674969几秒前
YOLO 目标检测:YOLOv5网络结构、Focus、CSP、自适应Anchor、激活函数SiLU、SPPF、C3
人工智能·yolo·目标检测·php
nju_spy10 分钟前
机器学习 - Kaggle项目实践(7)NLP with Disaster Tweets 灾难消息
人工智能·深度学习·自然语言处理·bert·tf-idf·glove·南京大学
九年义务漏网鲨鱼16 分钟前
PyTorch 训练随机卡死复盘:DataLoader × OpenCV 多进程死锁,三步定位与彻底修复
人工智能·pytorch·opencv
paid槮19 分钟前
深度学习】--卷积神经网络
人工智能·深度学习·cnn
新智元25 分钟前
AI 杀死首个世界名校?全球 TOP 3「翻译界哈佛」倒闭,毕业校友成绝版
人工智能·openai
算家计算27 分钟前
谷歌官方发布nano banana最强提示词模板!六大场景一键生成
人工智能·aigc
算家计算28 分钟前
阿里开源首个图像生成基础模型——Qwen-Image本地部署教程,中文渲染能力刷新SOTA
人工智能·开源·aigc
SEO_juper29 分钟前
超越传统SEO:用生成引擎优化(GEO)驱动下一轮增长
人工智能·搜索引擎·ai·seo·geo·数字营销·seo优化
SHIPKING39336 分钟前
【机器学习&深度学习】向量检索到重排序:RAG 系统中的优化实践
人工智能·深度学习·机器学习