报名参加CloudWeGo黑客松,奖金直推双丰收! 了解详情
写点什么

豆包视觉理解模型正式发布:一元处理近 300 张高清图片,低于行业价格 85%

  • 2024-12-18
    北京
  • 本文字数:2207 字

    阅读完需:约 7 分钟

大小:1.15M时长:06:42
豆包视觉理解模型正式发布:一元处理近300张高清图片,低于行业价格85%

在 12 月 18 日举办的火山引擎 Force 大会上,字节跳动正式发布发布豆包视觉理解模型,不仅在数学、物理、图表、代码等更方面加强推理能力,而且千 tokens 输入价格仅为 3 厘,一元就可处理 284 张 720P 的图片,比行业价格便宜 85%。

豆包大模型全面升级

豆包视觉理解模型发布

 

研究显示,人类接受的信息超过 80%来自视觉。视觉理解将极大地拓展大模型的能力边界,同时也会降低人们与大模型交互的门槛,为大模型解锁更丰富的应用场景。

 

据火山引擎总裁谭待介绍,豆包视觉理解模型不仅能精准识别视觉内容,还具备出色的理解和推理能力,可根据图像信息进行复杂的逻辑计算,完成分析图表、处理代码、解答学科问题等任务。此外,该模型有着细腻的视觉描述和创作能力。


00:00 / 00:00
    1.0x
    • 3.0x
    • 2.5x
    • 2.0x
    • 1.5x
    • 1.25x
    • 1.0x
    • 0.75x
    • 0.5x
    网页全屏
    全屏
    00:00


    00:00 / 00:00
      1.0x
      • 3.0x
      • 2.5x
      • 2.0x
      • 1.5x
      • 1.25x
      • 1.0x
      • 0.75x
      • 0.5x
      网页全屏
      全屏
      00:00


      此前,豆包视觉理解模型已经接入豆包 App 和 PC 端产品。豆包战略研究负责人周昊表示:“豆包一直在努力,让用户的输入更快更方便”。为此,豆包产品非常注重多模态的输入和打磨,包括语音、视觉等能力,这些模型都已通过火山引擎开放给企业客户。


      豆包 3D 生成模型首次亮相

       

      会上,豆包 3D 生成模型也首次亮相。豆包 3D 模型采用 3D-DiT 等算法技术生成高质量的 3D 模型。

       

      veOmniverse 是火山和英伟达一起合作的数字孪生平台,该平台与豆包 3D 模型结合使用,可以高效完成智能训练、数据合成和数字资产制作,成为一套支持 AIGC 创作的物理世界仿真模拟器。

       

      下面是字节展示的 Demo,通过 veOmniverse 编辑器和文生 3D 快速搭建工厂车间场景。用户只需输入文本,即可实时生成 3D 场景和模型,满足仿真训练的多样化需求。

       

      00:00 / 00:00
        1.0x
        • 3.0x
        • 2.5x
        • 2.0x
        • 1.5x
        • 1.25x
        • 1.0x
        • 0.75x
        • 0.5x
        网页全屏
        全屏
        00:00


        字节方面表示,通过豆包 3D 模型与 veOmniverse 的结合方案,团队可以高效完成智能训练、数据合成和数字资产制作,加速虚拟与现实的深度融合。

         

        此外,其他豆包大模型多款产品也迎来重要更新。


        豆包通用模型 pro 已全面对齐 GPT-4o,使用价格仅为后者的 1/8。谭待介绍,在专业知识领域,豆包 pro 相比五月版本提升了 54%,这一效果略微领先于 GPT-4o;在综合任务处理能力上提升 32%,和 GPT-4o 持平;指令遵循提升 9%、推理能力提升 13%,在数学方面提升 43%。“可以看到,豆包 pro 已经全面对齐 GPT-4o 能力,甚至在部分复杂任务中表现更好,而且使用价格只有 GPT-4o 的八分之一。”

         


        豆包音乐模型从原来生成 60 秒的简单结构,升级到生成 3 分钟的完整作品。新的模型能够合理运用旋律、节奏、和声等信息,使全曲保持连贯性。如果对生成的歌词不满意,还能开启局部修改模式。

         

        00:00 / 00:00
          1.0x
          • 3.0x
          • 2.5x
          • 2.0x
          • 1.5x
          • 1.25x
          • 1.0x
          • 0.75x
          • 0.5x
          网页全屏
          全屏
          00:00


          文生图模型升级到 2.1 版本,该的新技能总结成一句话就是“一键 P 图,一键海报”,实现精准生成汉字和一句话 P 图的产品化能力,该模型已接入即梦 AI 和豆包 App。据介绍,豆包文生图 2.1 模型打通了 LLM 和 DIT 架构,构建了高质量文字渲染能力,可以让文字与整体画面的融合更为自然和实用。


          00:00 / 00:00
            1.0x
            • 3.0x
            • 2.5x
            • 2.0x
            • 1.5x
            • 1.25x
            • 1.0x
            • 0.75x
            • 0.5x
            网页全屏
            全屏
            00:00


            大会还宣告,2025 年春季将推出具备更长视频生成能力的豆包视频生成模型 1.5 版,豆包端到端实时语音模型也将很快上线,从而解锁多角色演绎、方言转换等新能力。谭待表示,豆包大模型虽然发布较晚,但一直在快速迭代进化,目前已成为国内最全面、技术最领先的大模型之一。

             

            即梦 Dreamina 张楠认为,生成式 AI 技术可以把每个人脑子里的奇思妙想快速视觉化,“像做梦一样”。即梦希望成为“想象力世界”的相机,记录每个人的奇思妙想,帮助每个有想法的人轻松表达、自由创作。

             

            豆包日均 tokens 使用量 7 个月增长 33 倍

             

            数据显示,截至 12 月中旬,豆包通用模型的日均 tokens 使用量已超过 4 万亿,较七个月前首次发布时增长了 33 倍。大模型应用正在向各行各业加速渗透。

             

            据悉,豆包大模型已经与八成主流汽车品牌合作,并接入到多家手机、PC 等智能终端,覆盖终端设备约 3 亿台,来自智能终端的豆包大模型调用量在半年时间内增长 100 倍。

             

            与企业生产力相关的场景,豆包大模型也获得了众多企业客户青睐:最近 3 个月,豆包大模型在信息处理场景的调用量增长了 39 倍,客服与销售场景增长 16 倍,硬件终端场景增长 13 倍,AI 工具场景增长 9 倍,学习教育等场景也有大幅增长。

             

            谭待认为,豆包大模型市场份额的爆发,得益于火山引擎“更强模型、更低成本、更易落地”的发展理念,让 AI 成为每一家企业都能用得起、用得好的普惠科技。

             

            在公布豆包视觉理解模型超低定价的同时,火山引擎升级了火山方舟、扣子和 HiAgent 三款平台产品,帮助企业构建好自身的 AI 能力中心,高效开发 AI 应用。其中,火山方舟发布了大模型记忆方案,并推出 prefix cache 和 session cache API,降低延迟和成本。火山方舟还带来全域 AI 搜索,具备场景化搜索推荐一体化、企业私域信息整合等服务。

             


            云原生是过去十年最重要的计算范式,大模型时代则推动着云计算的变革。火山引擎认为,下一个十年,计算范式应该从云原生进入到 AI 云原生的新时代。

             

            基于 AI 云原生的理念,火山引擎推出了新一代计算、网络、存储和和安全产品。在计算层面,火山引擎 GPU 实例,通过 vRDMA 网络,支持大规模并行计算和 P/D 分离推理架构,显著提升训练和推理效率,降低成本;存储上,新推出的 EIC 弹性极速缓存,能够实现 GPU 直连,使大模型推理时延降低至 1/50、成本降低 20%;在安全层面,火山将推出 PCC 私密云服务,构建大模型的可信应用体系。基于 PCC,企业能够实现用户数据在云上推理的端到端加密,而且性能很好,推理时延比明文模式的差异在 5%以内。

             

            谭待说:“今年是大模型高速发展的一年。当你看到一列高速行驶的列车,最重要的事就是确保自己要登上这趟列车。通过 AI 云原生和豆包大模型家族,火山引擎希望帮助企业做好 AI 创新,驶向更美好的未来。”

            2024-12-18 14:469756

            评论

            发布
            暂无评论
            发现更多内容

            UDTS上线数据集成服务,汇聚多源数据帮助企业高效分析决策

            UCloud技术

            数据传输 数据集成

            使用组件的细节点

            小小

            简单粗暴实现深色模式

            小小

            深色模式

            一周信创舆情观察(3.15~3.21)

            统小信uos

            Flink 执行引擎:流批一体的融合之路

            Apache Flink

            flink

            阿里P9在Github上分享的Java面试突击手册,凭借它,我拿下了阿里P7的offer!

            Java架构之路

            Java 程序员 架构 面试 编程语言

            NodeJS基础入门教程(1)-一文让你快速了解什么是NodeJS

            AlbertYang

            nodejs

            「 视频云大赛 — 大咖驾到 」驱动下一代技术浪潮,我们更专注价值落地

            阿里云CloudImagine

            阿里云 音视频 视频处理

            活动 | Apache Pulsar Meetup 欢迎报名

            有道技术团队

            活动

            从无到有实现音视频通讯

            anyRTC开发者

            ios android 音视频 WebRTC RTC

            什么样的技术能进入一线大厂?这份阿里、百度、腾讯等 20家Java岗招聘要求梳理报告,会给你答案;

            Java架构之路

            Java 程序员 架构 面试 编程语言

            vue+typescript实现组件封装之button篇

            小小

            typescript Vue

            Service Mesh框架选型对比分析:Linkerd、Envoy、Istio、Conduit

            xcbeyond

            Service Mesh 服务网格 3月日更

            百度直播消息服务架构实践

            百度Geek说

            手机 直播 移动端

            Flink VS Spark

            五分钟学大数据

            flink spark 3月日更

            报名倒计时 | 有道技术沙龙,聊聊明星语音背后的故事

            有道技术团队

            活动

            第七次作业

            秦挺

            Docker 教程(1)---Docker简介与安装

            AlbertYang

            Docker

            盘点数字人民币试点地区 哪里既可申请开通又能领红包?

            CECBC

            数字人民币

            全文检索工具包Lucene入门教程

            AlbertYang

            lucene

            身份认证之多因素身份认证(MFA)

            龙归科技

            第三方登录 统一身份认证

            Hystrix 实战经验分享

            vivo互联网技术

            Java 服务器 熔断 Hystrix

            搭建博客可能会用到的 Git 命令|学习笔记

            彭宏豪95

            学习 极客时间 笔记

            面试字节跳动定级2-2,拿32*16offer,P8大佬的面试教程给了我春天!

            Java架构之路

            Java 程序员 架构 面试 编程语言

            字节金三银四Java面试题库被泄露,GitHub连夜被下架

            Java架构师迁哥

            APICloud多端开发 | 在线教育App模板源码讲解

            YonBuilder低代码开发平台

            软件开发 在线教育 移动开发 APP开发 APICloud

            比特币:21世纪的终极离岸银行

            CECBC

            比特币

            zookeeper的watch机制

            大数据技术指南

            大数据 zookeeper 3月日更

            大咖云集!阿里达摩院领航大数据 + AI向量检索专场Meetup回顾(内含讲师PPT领取)

            Proxima 技术社区

            人工智能 大数据 阿里巴巴 搜索 向量检索

            Go Storage存储包封装

            非晓为骁

            storage Go 语言

            区块链重新定义支付结算,让行业更便捷高效

            CECBC

            移动支付

            豆包视觉理解模型正式发布:一元处理近300张高清图片,低于行业价格85%_AI&大模型_褚杏娟_InfoQ精选文章