豆包视觉理解模型发布：千Tokens输入价3厘，3D生成模型首次亮相

“豆包大模型已覆盖终端设备约3亿台。”

作者：苏打

编辑：tuya

“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。”

公司情报专家《财经涂鸦》获悉，12月18日，字节跳动在火山引擎 Force 大会中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。火山引擎总裁谭待表示，该模型理解和推理能力出色，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，并具备细腻的视觉描述和创作能力。

值得一提的是，豆包视觉理解模型千tokens输入价格仅为3厘，一元钱即可处理284张720P的图片，比行业价格便宜85％。至此，视觉理解模型继大语言模型之后也进入“厘时代”。

豆包战略研究负责人周昊透露，此前，豆包视觉理解模型已经接入豆包App和PC端产品，且多模态语音和视觉等模型都已通过火山引擎开放给企业客户。

现场，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。

“豆包大模型虽然发布较晚，但一直在快速迭代进化。”谭待表示，目前豆包已成为国内最全面、技术最领先的大模型之一。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。

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。企业客户方面，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。

相关资料显示，截至目前豆包国内下载排名已处于领先位置，今年10月份日活已达1000万，不考虑终端预置应用，C端应用中目前豆包的用户数量居首位，领先于其他国内AI应用。

字节的AI算力基础设施主要是火山引擎。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。

据此次公布的最新信息，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。

其海外市场表现同样强劲。日前，字节旗下海外版小红书M8在美国应用下载榜登顶第一名。尽管豆包在美国排名不高，但在东南亚如菲律宾等地区很受欢迎。AI应用方面，字节在美国主打AI教育、AI小红书等应用，增长强劲。

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。

此前还有资料显示，豆包计划将AI玩偶作为2025年Q1-Q2重要战略级产品，目前渠道商代理商已基本构建完毕。预计出货量在800-1000万个，最晚Q3之前推出。采用的IP包括但不限于遮天、三体、任天堂、南梦宫、米哈游、名侦探柯南等，未来日韩市场将成为出海的主要目标市场。