豆包大模型爆发：2C与2B齐头并进，物理与虚拟齐头并进

模型日均tokens从1200亿增长到4万亿，需要多长时间？豆包大模型给出的时间是——7个月，数据背后是2024年中国大模型应用市场爆发式增长的缩影。12月18日，火山引擎Force原动力大会在上海举办，豆包视觉理解模型正式发布，并以“厘”级的定价为企业提供极具性价比的多模态大模型能力。

大会期间，火山引擎总裁谭待在接受记者采访时表示，豆包大模型在视觉理解、信息处理等领域展现出强劲的增长潜力，不仅仅局限于对话场景，而是广泛应用于生产力相关的多元化场景。围绕如何让大模型用得起、用得好，以及如何帮助企业做好AI创新，推动大模型应用落地，谭待进行了深入解读。

让大模型用得起、用得好

当前，大模型在各种场景中都在“全面开花”。最近3个月，在信息处理场景，豆包的调用量增长39倍；客服与销售场景，豆包的调用量增长16倍；在硬件终端场景，豆包增长了13倍，AI工具增长9倍。

豆包大模型为何增长如此迅猛？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。

豆包视觉理解模型是当天的重头戏。据介绍，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。

比如，光从云朵里洒出来的美丽照片，模型能识别出这是丁达尔效应并解释背后的原理；根据一张影子图片，视觉理解模型能一眼识别出小动物的影子，并且推断出这是一只猫……不仅如此，该模型还具备出色的理解和推理能力，无论是微积分题，还是高考物理，还是处理代码、分析图表等需求，它都能轻松胜任。

在定价方面，豆包视觉理解模型每千tokens输入价格定为3厘（即0.003元），一元钱就可处理284张720P的图片，比行业价格便宜85%。今年5月，字节跳动在正式对外发布豆包大模型时，就曾因定价比同行低99.3%而引起关注。谭待表示，“豆包大模型通过技术创新优化成本，保持合理的毛利。我们一次性地把成本做到位，就是希望更多的人，特别是中小企业、创业公司、个人能用起来、用得好，创造价值。”

AI+教育、AI+游戏、AI+汽车，甚至AI+天文、AI+养鱼、AI+美食……各种脑洞大开的应用场景让人感叹“AI+千行百业”的态势一日千里。大模型正加速融入普通人的生活日常，并渗透进与生产力相关的场景，而随着模型能力变强，模态变多，也会解锁越来越多的新场景。

帮助企业做好AI创新

会上，豆包3D生成模型首次亮相。豆包3D模型采用3D-DiT等算法技术生成高质量的3D模型；veOmniverse，则是火山和英伟达一起合作的数字孪生平台，火山引擎将二者结合起来，就可以实现AIGC 世界的仿真模拟器。

通过豆包3D模型与veOmniverse的结合方案，用户可以高效完成智能训练、数据合成和数字资产制作，满足仿真训练的多样化需求，加速虚拟与现实的深度融合。

谭待表示，就目前数据来看，在工作、娱乐、生产力的场景其实是差不多的。在他看来，大模型发展过程中需要2C和2B齐头并进，物理与虚拟齐头并进，“大模型比过去的很多技术都更容易连接数字世界和物理世界。”

当天，豆包大模型多款产品迎来更新：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；音乐模型从生成60秒的简单结构，升级到生成3分钟的完整作品；文生图模型2.1版本，更是在业界首次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。

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。

“今年是大模型高速发展的一年”，谭待表示，“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。” （战钊）