浙江
4月17日消息，火山引擎面向企业市场发布豆包1.5・深度思考模型，同步升级文生图模型3.0、视觉理解模型，并推出 OS Agent 解决方案及AI云原生推理套件，帮助企业更快、更省地构建和部署Agent应用。
据火山引擎披露，截至2025年3月底，豆包大模型日均 tokens 调用量已达到12.7万亿，较去年5月发布时增长超过106倍。
火山引擎总裁谭待表示，Agent智能体应用发展将带动大模型进一步普及。谭待说：“深度思考模型是构建Agent的基础，模型要有能力做好思考、计划和反思，并且一定要支持多模态，就像人类具备视觉和听觉一样，Agent才能更好地处理复杂任务。”
据谭待介绍，豆包1.5・深度思考模型在专业领域的推理任务中表现出色，数学推理AIME 2024测试得分追平OpenAI o3-mini-high，编程竞赛和科学推理测试成绩也接近o1。在创意写作、人文知识问答等通用任务上，模型也展示出优秀的泛化能力，能胜任更广泛的使用场景。
技术报告显示，豆包深度思考模型采用MoE架构，总参数为200B，激活参数仅20B，以较小参数实现媲美顶尖模型的效果。基于高效算法和高性能推理系统，豆包模型API服务在保障高并发的同时，延迟低至20毫秒。豆包深度思考模型还具备视觉推理能力，能像人类一样对看到的事物进行联想和思考，极大拓展了智能推理的应用边界。
此外，豆包文生图模型Seedream3.0也正式向企业开放。该模型已在即梦AI、豆包产品上线，并在近期登上权威竞技场Artificial Analysis文生图榜单第一梯队。据介绍，Seedream3.0支持2K分辨率直出，生图结构准确性、小字生成与排版、美感、真实度等方面具有优势。
2025年被业界视为“Agent智能体元年”。为此，火山引擎宣布推出OS Agent解决方案，包含豆包UI-TARS模型，以及veFaaS函数服务、云服务器、云手机等产品，实现对代码、浏览器、电脑、手机以及其他Agent的操作。
其中，豆包UI-TARS模型将屏幕视觉理解、逻辑推理、界面元素定位和操作整合在一起，突破传统自动化工具依赖预设规则的局限性，为Agent的智能交互提供了更接近人类操作的模型基础。
谭待认为，在多模态深度思考模型的基础上，Agent需要良好的架构和工具，去操作数字世界和物理世界。同时，模型的推理成本和延迟要持续降低，才能推动应用普惠。（李姝）
本文来自网易科技报道，更多资讯和深度内容，关注我们。
本文来源：网易科技报道
责任编辑：
李姝_NB35319
