豆包视觉理解模型正式发布：一元处理近 300 张高清图片，低于行业价格 85%

在 12 月 18 日举办的火山引擎 Force 大会上，字节跳动正式发布发布豆包视觉理解模型，不仅在数学、物理、图表、代码等更方面加强推理能力，而且千 tokens 输入价格仅为 3 厘，一元就可处理 284 张 720P 的图片，比行业价格便宜 85％。

豆包大模型全面升级

豆包视觉理解模型发布

研究显示，人类接受的信息超过 80%来自视觉。视觉理解将极大地拓展大模型的能力边界，同时也会降低人们与大模型交互的门槛，为大模型解锁更丰富的应用场景。

据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。

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。

豆包 3D 生成模型首次亮相

会上，豆包 3D 生成模型也首次亮相。豆包 3D 模型采用 3D-DiT 等算法技术生成高质量的 3D 模型。

veOmniverse 是火山和英伟达一起合作的数字孪生平台，该平台与豆包 3D 模型结合使用，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。

下面是字节展示的 Demo，通过 veOmniverse 编辑器和文生 3D 快速搭建工厂车间场景。用户只需输入文本，即可实时生成 3D 场景和模型，满足仿真训练的多样化需求。

字节方面表示，通过豆包 3D 模型与 veOmniverse 的结合方案，团队可以高效完成智能训练、数据合成和数字资产制作，加速虚拟与现实的深度融合。

此外，其他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。谭待介绍，在专业知识领域，豆包 pro 相比五月版本提升了 54%，这一效果略微领先于 GPT-4o；在综合任务处理能力上提升 32%，和 GPT-4o 持平；指令遵循提升 9%、推理能力提升 13%，在数学方面提升 43%。“可以看到，豆包 pro 已经全面对齐 GPT-4o 能力，甚至在部分复杂任务中表现更好，而且使用价格只有 GPT-4o 的八分之一。”

豆包音乐模型从原来生成 60 秒的简单结构，升级到生成 3 分钟的完整作品。新的模型能够合理运用旋律、节奏、和声等信息，使全曲保持连贯性。如果对生成的歌词不满意，还能开启局部修改模式。

文生图模型升级到 2.1 版本，该的新技能总结成一句话就是“一键 P 图，一键海报”，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。据介绍，豆包文生图 2.1 模型打通了 LLM 和 DIT 架构，构建了高质量文字渲染能力，可以让文字与整体画面的融合更为自然和实用。

大会还宣告，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。

即梦 Dreamina 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。

豆包日均 tokens 使用量 7 个月增长 33 倍

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。

据悉，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。

在公布豆包视觉理解模型超低定价的同时，火山引擎升级了火山方舟、扣子和 HiAgent 三款平台产品，帮助企业构建好自身的 AI 能力中心，高效开发 AI 应用。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，降低延迟和成本。火山方舟还带来全域 AI 搜索，具备场景化搜索推荐一体化、企业私域信息整合等服务。

云原生是过去十年最重要的计算范式，大模型时代则推动着云计算的变革。火山引擎认为，下一个十年，计算范式应该从云原生进入到 AI 云原生的新时代。

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；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。基于 PCC，企业能够实现用户数据在云上推理的端到端加密，而且性能很好，推理时延比明文模式的差异在 5%以内。

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。”