“去年12月，豆包大模型的日均tokens調(diào)用量是4萬億。而截至今年3月底，這個數(shù)字已經(jīng)超過12.7萬億，相比豆包大模型剛發(fā)布時，在短短不到一年里，實現(xiàn)了超過106倍的高速增長。這不僅是豆包大模型的速度，也代表了行業(yè)的發(fā)展速度，大模型正在飛速走進工作與生活?！?025年4月17日，在杭州舉辦的火山引擎AI創(chuàng)新巡展上，火山引擎總裁譚待表示。
圖丨譚待（來源：資料圖）
面向企業(yè)市場發(fā)布豆包1.5·深度思考模型，邊想邊搜和視覺推理能力出色
借助視頻演示，火山引擎在會上展現(xiàn)了豆包1.5·深度思考模型，在推理、思考、多模態(tài)等場景的應(yīng)用?？梢钥闯?，該模型具備效果好、低延遲和多模態(tài)三大優(yōu)勢。首先，在專業(yè)領(lǐng)域推理任務(wù)中表現(xiàn)出色，包括數(shù)學(xué)推理、編程競賽等。在創(chuàng)意寫作等非推理任務(wù)中泛化能力優(yōu)秀，能勝任廣泛和復(fù)雜的使用場景。其次，采用混合專家架構(gòu)，總參數(shù)為200B，激活參數(shù)為20B，具備訓(xùn)練和推理成本優(yōu)勢。另外，可以被用于各類場景，如解讀上市公司財報、進行高考志愿填報等。
（來源：資料圖）
同時，豆包1.5·深度思考模型也具備邊想邊搜的能力。這項能力的開發(fā)靈感來源于，生活中人類思考問題經(jīng)常要借助互聯(lián)網(wǎng)，并且可能出現(xiàn)交替多輪的“想一想”和“搜一搜”。比如，如果讓該模型完成購物推薦任務(wù)，它會先拆解里面涉及到的預(yù)算、天氣、便攜性等多種注意事項，然后通過多輪搜索獲得完整信息，再基于此給出周全答案。
該模型還上線了多模態(tài)版，具備視覺推理能力，能像人類一樣對看到的事物進行聯(lián)想和思考，極大地拓展了智能推理的應(yīng)用邊界。就拿出國旅游時會面臨的國外點餐任務(wù)來說，大模型只會翻譯菜單還不夠，還需要能直接點菜。而該模型既可以看懂外文菜單，還能兌換貨幣控制預(yù)算，周全考慮老人孩子喜好，幫助用戶圓滿地完成國外點餐。
升級文生圖模型3.0和視覺理解模型，加速企業(yè)打造更有趣的商業(yè)應(yīng)用
會上，豆包大模型家族還帶來了兩大模型的更新。
首先，推出文生圖模型3.0版本，能實現(xiàn)更好的文字排版表現(xiàn)、實拍級的圖像生成效果，以及2K的高清圖片生成方式。例如，在中文小字和長文本的生成上，不僅較好地解決了小字和長文本的生成難題，還大幅提升了圖片排版的美感。在人像生成上，對于皮膚質(zhì)感、表情走向等細(xì)節(jié)的生成，大幅接近真人表現(xiàn)。
其次，升級視覺理解模型，這主要體現(xiàn)在視覺定位更精準(zhǔn)，和對視頻的理解更智能這兩大方面。對于前者，不僅支持多目標(biāo)、小目標(biāo)、通用目標(biāo)的框定位和點定位，還支持定位計數(shù)、描述定位內(nèi)容等，進一步擴展了模型的應(yīng)用場景。對于后者，則在記憶、總結(jié)理解、速度感知、長視頻理解等能力上實現(xiàn)大幅提升，便于企業(yè)打造更有趣的商業(yè)化應(yīng)用。
推出OS Agent解決方案及AI云原生推理套件，讓開發(fā)者無障礙落地Agent
火山引擎也推出OS Agent解決方案，助力開發(fā)者構(gòu)建專屬的通用Agent。同時，發(fā)布AI云原生ServingKit推理套件，幫助模型部署更快、推理成本更低。根據(jù)IDC發(fā)布的《中國公有云大模型服務(wù)市場格局分析，1Q25》，火山引擎以46.4%的市場份額位居第一。憑借高性價比、靈活易用的工具鏈，以及覆蓋全場景的解決方案，其成為企業(yè)落地大模型的首選平臺。
（來源：資料圖）
今年在很多人眼中是Agent元年，但什么才是真正的Agent？譚待認(rèn)為：“能完成打油詩、簡單報告等任務(wù)的，不能稱之為Agent。Agent應(yīng)能完成專業(yè)度較高、耗時較長的完整任務(wù)，這是從定性角度來看。從技術(shù)實現(xiàn)角度，如果沒有運用思考模型，缺乏反思和規(guī)劃能力，也很難被認(rèn)定為Agent。”所以，從技術(shù)層面出發(fā)，要想做好Agent，既需要有性能更強大的多模態(tài)模型，又要有更好的架構(gòu)和工具，支持大模型操作數(shù)字和物理世界，還要通過AI云原生，不斷降低模型推理的成本和延遲。
而在實際應(yīng)用中，Agent也存在“應(yīng)用Agent”和“OS Agent”兩個方向。前者具備更強的專業(yè)性，專注于完成特定領(lǐng)域的任務(wù)；后者擁有跨場景的通用性和靈活性，能夠完成復(fù)雜任務(wù)。
值得一提的是，在應(yīng)用Agent領(lǐng)域，字節(jié)跳動于前不久發(fā)布AI原生編程工具Trae。相較于傳統(tǒng)的AI插件產(chǎn)品，Trae具備交付化、智能化和協(xié)作化三大特質(zhì)，可提供更加智能的開發(fā)體驗。
企業(yè)完成AI轉(zhuǎn)型，豆包大模型發(fā)揮的作用很關(guān)鍵
據(jù)了解，目前已有越來越多的企業(yè)，選擇豆包大模型作為自身AI轉(zhuǎn)型的關(guān)鍵。
例如：
金山辦公基于豆包大模型打造了一款A(yù)I智能助手靈犀，用于幫助用戶在文檔智能處理、信息檢索等方面提升效率。
奔馳汽車將豆包大模型作為其智能座艙的核心，并升級了座艙信息檢索能力，讓系統(tǒng)反應(yīng)速度和研發(fā)效率得到顯著提升。據(jù)了解，除奔馳以外，近八成的主流汽車都選擇了豆包作為汽車AI升級的重要伙伴。
浙江大學(xué)基于火山引擎HiAgent平臺和豆包大模型，用一周時間落地“浙大先生”智能體平臺，支持AI科學(xué)家、課堂問答等眾多場景的智能體定制開發(fā)，并已服務(wù)5萬多名在校師生。據(jù)譚待介紹，目前C9高校中，已有六所選擇了火山引擎。
杭州銀行聯(lián)合火山引擎打造了業(yè)界首個電商產(chǎn)業(yè)生態(tài)云“百業(yè)云”，能通過豆包大模型為中小商家提供智能客服服務(wù)，不僅大幅提升了客服回答的準(zhǔn)確率，還支持全天候不間斷的專業(yè)服務(wù)。
大模型迅猛發(fā)展之際，云廠商的發(fā)展之路將在何方？
在大模型迅猛發(fā)展的同時，企業(yè)對于云服務(wù)提供算力的要求也不免發(fā)生轉(zhuǎn)變。云廠商不但要提供更好的模型、更低的成本，也要提供AI應(yīng)用落地時所需的解決方案，還要在強化學(xué)習(xí)框架、安全保障及底層數(shù)據(jù)處理上進一步發(fā)展?；诖?，譚待表示，火山引擎未來計劃圍繞AI云原生，在存儲、計算、數(shù)據(jù)、安全和等方面推出一系列產(chǎn)品。
目前，依托于火山平臺，火山引擎不僅發(fā)展起諸多內(nèi)部業(yè)務(wù)，還積極地對外提供支持。這背后體現(xiàn)了怎樣的邏輯？“從成立之初，我們就堅持技術(shù)內(nèi)外統(tǒng)一，這樣既能保障對內(nèi)服務(wù)，也能做好對外支持。通過技術(shù)和資源復(fù)用，我們能為內(nèi)外客戶提供性價比更高的服務(wù)，像我們的模型即服務(wù)和云服務(wù)，性價比優(yōu)勢就源于此。而且實現(xiàn)統(tǒng)一后，無需糾結(jié)資源分配偏向內(nèi)部還是外部，因為技術(shù)需求基本一致?！弊T待說。
（來源：資料圖）
事實上，在豆包大模型深入發(fā)展之際，DeepSeek大模型也在緊鑼密鼓地布局中。令人好奇的是，面對這個強勁的開源競爭對手，火山引擎在豆包大模型閉源策略和商業(yè)化上又是如何考慮的？在譚待看來，模型開源或閉源不是關(guān)鍵，模型的優(yōu)劣才是關(guān)鍵?！叭舭旬?dāng)前的AI發(fā)展看作一場馬拉松，可能現(xiàn)在才跑了500米。大家在競爭中相互推動，無論是技術(shù)還是行業(yè)應(yīng)用都能快速發(fā)展，這本身是一件非常好的事情。而且這種競爭的關(guān)鍵在于能否把模型做好，與開源和閉源關(guān)系不大?！彼f。
另外，他也表示，火山引擎作為云服務(wù)廠商秉持開放理念，只要客戶有需求，火山引擎就會去接入。比如，去年已接入Mistral、智譜GLM、月之暗面Kimi等模型，讓客戶自由選擇。“目前雖然沒有公開數(shù)據(jù)，但據(jù)我了解，市面上第三方使用DeepSeek時，選擇火山引擎的最多?！彼f。
另據(jù)悉，接下來火山引擎還將在深圳和上海等地舉辦AI創(chuàng)新巡展。
熱門跟貼