在近日于線上舉辦的火山引擎Force大會上，字節跳動公司正式揭曉了其最新研發成果——豆包視覺理解模型。這一創新產品旨在為企業提供強大的多模態大模型能力，為企業智能化轉型注入新動力。
據官方介紹，豆包視覺理解模型在成本控制上實現了突破，其千tokens輸入價格僅為3厘，換算下來，一元錢便能處理高達284張720P分辨率的圖片。這一價格策略相較于行業平均水平，降幅高達85%，引發了廣泛關注。
抖音集團副總裁李亮隨后在社交媒體上發表觀點，強調豆包大模型的低價并非出于價格戰的目的。他指出，豆包大模型通過深度的技術創新，在算法設計、軟件工程以及硬件方案等多個層面進行了全面優化，從而實現了成本的大幅降低。3厘/千tokens的定價策略，在保障企業合理利潤的同時，也體現了公司推動AI技術普及和應用的決心。李亮還提到，豆包大模型的價格策略一步到位，透明公開，摒棄了傳統的“刊例價+折扣”模式，旨在讓每一家企業都能享受到AI技術帶來的便利。
在大會現場，豆包3D生成模型也首次亮相，吸引了眾多目光。該模型與火山引擎的數字孿生平臺veOmniverse相結合，能夠完成智能訓練、數據合成以及數字資產制作等一系列任務。官方將其譽為“一套支持AIGC創作的物理世界仿真模擬器”，為數字內容的創作提供了全新的可能。
豆包大模型旗下的多款產品也迎來了全面升級。其中，豆包通用模型pro全面對標GPT-4o，在性能上毫不遜色，但使用價格僅為后者的1/8，為用戶提供了更具性價比的選擇。音樂模型則能夠生成長達3分鐘的完整音樂作品，為音樂創作領域帶來了新的活力。而文生圖模型2.1版本則實現了精準生成漢字、一句話P圖等功能，并已成功接入即夢AI和豆包App，進一步拓寬了應用場景。
