模型日均tokens從1200億增長(zhǎng)到4萬(wàn)億，需要多長(zhǎng)時(shí)間？豆包大模型給出的時(shí)間是——7個(gè)月，數(shù)據(jù)背后是2024年中國(guó)大模型應(yīng)用市場(chǎng)爆發(fā)式增長(zhǎng)的縮影。12月18日，火山引擎Force原動(dòng)力大會(huì)在上海舉辦，豆包視覺(jué)理解模型正式發(fā)布，并以“厘”級(jí)的定價(jià)為企業(yè)提供極具性價(jià)比的多模態(tài)大模型能力。

大會(huì)期間，火山引擎總裁譚待在接受記者采訪時(shí)表示，豆包大模型在視覺(jué)理解、信息處理等領(lǐng)域展現(xiàn)出強(qiáng)勁的增長(zhǎng)潛力，不僅僅局限于對(duì)話場(chǎng)景，而是廣泛應(yīng)用于生產(chǎn)力相關(guān)的多元化場(chǎng)景。圍繞如何讓大模型用得起、用得好，以及如何幫助企業(yè)做好AI創(chuàng)新，推動(dòng)大模型應(yīng)用落地，譚待進(jìn)行了深入解讀。

豆包生成圖片（關(guān)鍵詞：大模型、AI、世界、全面開(kāi)花）

讓大模型用得起、用得好

當(dāng)前，大模型在各種場(chǎng)景中都在“全面開(kāi)花”。最近3個(gè)月，在信息處理場(chǎng)景，豆包的調(diào)用量增長(zhǎng)39倍；客服與銷售場(chǎng)景，豆包的調(diào)用量增長(zhǎng)16倍；在硬件終端場(chǎng)景，豆包增長(zhǎng)了13倍，AI工具增長(zhǎng)9倍。

豆包大模型為何增長(zhǎng)如此迅猛？譚待認(rèn)為，豆包大模型市場(chǎng)份額的爆發(fā)，得益于火山引擎“更強(qiáng)模型、更低成本、更易落地”的發(fā)展理念，讓AI成為每一家企業(yè)都能用得起、用得好的普惠科技。

豆包視覺(jué)理解模型是當(dāng)天的重頭戲。據(jù)介紹，豆包視覺(jué)理解模型不僅能精準(zhǔn)識(shí)別視覺(jué)內(nèi)容，還具備出色的理解和推理能力，可根據(jù)圖像信息進(jìn)行復(fù)雜的邏輯計(jì)算，完成分析圖表、處理代碼、解答學(xué)科問(wèn)題等任務(wù)。此外，該模型有著細(xì)膩的視覺(jué)描述和創(chuàng)作能力。

比如，光從云朵里灑出來(lái)的美麗照片，模型能識(shí)別出這是丁達(dá)爾效應(yīng)并解釋背后的原理；根據(jù)一張影子圖片，視覺(jué)理解模型能一眼識(shí)別出小動(dòng)物的影子，并且推斷出這是一只貓……不僅如此，該模型還具備出色的理解和推理能力，無(wú)論是微積分題，還是高考物理，還是處理代碼、分析圖表等需求，它都能輕松勝任。

在定價(jià)方面，豆包視覺(jué)理解模型每千tokens輸入價(jià)格定為3厘（即0.003元），一元錢(qián)就可處理284張720P的圖片，比行業(yè)價(jià)格便宜85%。今年5月，字節(jié)跳動(dòng)在正式對(duì)外發(fā)布豆包大模型時(shí)，就曾因定價(jià)比同行低99.3%而引起關(guān)注。譚待表示，“豆包大模型通過(guò)技術(shù)創(chuàng)新優(yōu)化成本，保持合理的毛利。我們一次性地把成本做到位，就是希望更多的人，特別是中小企業(yè)、創(chuàng)業(yè)公司、個(gè)人能用起來(lái)、用得好，創(chuàng)造價(jià)值。”

AI+教育、AI+游戲、AI+汽車，甚至AI+天文、AI+養(yǎng)魚(yú)、AI+美食……各種腦洞大開(kāi)的應(yīng)用場(chǎng)景讓人感嘆“AI+千行百業(yè)”的態(tài)勢(shì)一日千里。大模型正加速融入普通人的生活日常，并滲透進(jìn)與生產(chǎn)力相關(guān)的場(chǎng)景，而隨著模型能力變強(qiáng)，模態(tài)變多，也會(huì)解鎖越來(lái)越多的新場(chǎng)景。

幫助企業(yè)做好AI創(chuàng)新

會(huì)上，豆包3D生成模型首次亮相。豆包3D模型采用3D-DiT等算法技術(shù)生成高質(zhì)量的3D模型；veOmniverse，則是火山和英偉達(dá)一起合作的數(shù)字孿生平臺(tái)，火山引擎將二者結(jié)合起來(lái)，就可以實(shí)現(xiàn)AIGC 世界的仿真模擬器。

通過(guò)豆包3D模型與veOmniverse的結(jié)合方案，用戶可以高效完成智能訓(xùn)練、數(shù)據(jù)合成和數(shù)字資產(chǎn)制作，滿足仿真訓(xùn)練的多樣化需求，加速虛擬與現(xiàn)實(shí)的深度融合。

譚待表示，就目前數(shù)據(jù)來(lái)看，在工作、娛樂(lè)、生產(chǎn)力的場(chǎng)景其實(shí)是差不多的。在他看來(lái)，大模型發(fā)展過(guò)程中需要2C和2B齊頭并進(jìn)，物理與虛擬齊頭并進(jìn)，“大模型比過(guò)去的很多技術(shù)都更容易連接數(shù)字世界和物理世界。”

當(dāng)天，豆包大模型多款產(chǎn)品迎來(lái)更新：豆包通用模型pro已全面對(duì)齊GPT-4o，使用價(jià)格僅為后者的1/8；音樂(lè)模型從生成60秒的簡(jiǎn)單結(jié)構(gòu)，升級(jí)到生成3分鐘的完整作品；文生圖模型2.1版本，更是在業(yè)界首次實(shí)現(xiàn)精準(zhǔn)生成漢字和一句話P圖的產(chǎn)品化能力，該模型已接入即夢(mèng)AI和豆包App。

同時(shí)，火山引擎升級(jí)了火山方舟、扣子和HiAgent三款平臺(tái)產(chǎn)品，幫助企業(yè)構(gòu)建好自身的AI能力中心，高效開(kāi)發(fā)AI應(yīng)用。其中，火山方舟發(fā)布了大模型記憶方案，并推出 prefix cache 和 session cache API，降低延遲和成本�；鹕椒街圻�帶來(lái)全域AI搜索，具備場(chǎng)景化搜索推薦一體化、企業(yè)私域信息整合等服務(wù)。