科技日报记者 杨雪
近日，字节跳动在火山引擎原动力大会上发布豆包视觉理解模型，为企业提供多模态大模型能力。豆包视觉理解模型千tokens（词元）输入价格仅为3厘，一元钱就可处理284张720P的图片，比行业价格便宜85％，以更低成本推动AI技术普惠和应用发展。
研究显示，人类接收的信息超过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。
火山引擎总裁谭待介绍，豆包视觉理解模型通过算法、工程等技术创新，大幅优化了使用成本。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，为了让用户的输入更快更方便，豆包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。
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。
“豆包大模型调用量的高速增长，是市场快速发展的一个缩影。大模型在各种场景中都在全面开花，尤其是和企业生产力相关的场景。”谭待介绍，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暴发，得益于火山引擎“更强模型、更低成本、更易落地”的发展理念，让每家企业都能用得起、用得好。
企业要落地好AI，不仅需要大模型，还需要有平台能支持他们做好AI应用的开发。在这方面，火山引擎提供了火山方舟、扣子和Hiagent三款平台产品。其中，火山方舟平台提供了全栈MaaS（模型即服务）能力，支持模型精调、推理、评测等全方位功能，也提供了丰富的插件能力、扩展API（应用程序接口）和高代码解决方案。
据介绍，为帮助企业构建好自身的AI能力中心，高效开发AI应用，火山引擎升级了火山方舟、扣子和HiAgent。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。
