视觉理解模型也宣告进入「厘时代」。

原标题：豆包说要「普惠」，于是大模型处理图片按「厘」计价了
文章来源：机器之心
内容字数：10238字

字节跳动豆包大模型家族：国产AI的强势崛起

本文总结了机器之心对字节跳动豆包大模型家族近期更新的报道。文章重点介绍了豆包大模型在多模态能力上的突破，以及其在价格和性能上的优势，展现了国产AI的快速发展。

1. 豆包·视觉理解模型：低价高能的视觉AI

   豆包大模型家族新增成员——豆包·视觉理解模型，以其低廉的价格（一千个token输入仅需3厘钱）和强大的理解能力，成为文章的焦点。该模型能够精准理解图像信息，包括文化背景、数量、文字等，并进行复杂的推理和问答，在多个场景下表现优异，其性能与GPT-4o不相上下，甚至在中文理解方面表现更佳。

2. 三大主力模型升级：全方位能力提升

   除了新成员，豆包通用模型Pro、豆包·音乐生成模型和豆包·文生图模型也进行了重大升级。豆包通用模型Pro的综合能力提升了32%，在指令遵循、代码、专业知识等方面与GPT-4o持平，但价格仅为其八分之一。豆包·音乐生成模型能够生成时长达3分钟的高质量音乐作品，豆包·文生图模型则新增了“一键海报”和“一键P图”功能，并应用了新型图像编辑技术SeedEdit。

3. 豆包·3D生成模型：进军3D内容创作

   豆包家族还推出了新的豆包·3D生成模型，结合火山引擎数字孪生平台，可以高效完成3D内容创作，进一步扩展了应用场景。

4. 火山引擎的支撑：全栈服务助力大模型落地

   文章强调了火山引擎在豆包大模型成功背后的重要作用。火山引擎提供全栈服务，解决了大模型应用成本高和落地难的两大挑战，并推出了多款工具，例如Prompt优解、大模型记忆应用、扣子平台和HiAgent平台，助力企业级AI应用落地。

5. 未来展望：AI技术持续高速发展

   文章最后展望了未来大模型的发展趋势，认为多模态能力的提升和推理Scaling Law的出现将推动AI智能水平的跃升。豆包大模型在2025年将带来更多惊喜，值得期待。

总而言之，字节跳动豆包大模型家族的快速发展，得益于其强大的技术实力、低廉的价格以及火山引擎提供的全栈式服务支持，展现了国产AI的蓬勃生机和未来发展潜力。

联系作者

文章来源：机器之心
作者微信：
作者简介：专业的人工智能媒体和产业服务平台