掀起通用大模型價(jià)格戰(zhàn)后，字節(jié)跳動(dòng)又要把多模態(tài)大模型的價(jià)格打下來(lái)。

12月18日，在火山引擎Force大會(huì)上，字節(jié)跳動(dòng)正式發(fā)布豆包視覺(jué)理解模型，同時(shí)公布其售價(jià)為千tokens輸入0.003元，比行業(yè)平均價(jià)格便宜85％，相當(dāng)于一元錢(qián)就可處理284張720P的圖片。

這意味著，字節(jié)跳動(dòng)在多模態(tài)大模型領(lǐng)域再次復(fù)制其在通用大模型領(lǐng)域大幅降價(jià)的打法。今年5月，該公司正式對(duì)外發(fā)布豆包大模型，并把價(jià)格降低了一個(gè)數(shù)量級(jí)，引發(fā)了阿里、百度等多家廠商大模型的降價(jià)潮。

火山引擎總裁譚待此前表示，降低成本是推動(dòng)大模型快進(jìn)到“價(jià)值創(chuàng)造階段”的一個(gè)關(guān)鍵因素。

半年過(guò)去，豆包通用大模型在市場(chǎng)上的表現(xiàn)一定程度上驗(yàn)證了譚待的判斷。字節(jié)跳動(dòng)對(duì)外公布的數(shù)據(jù)顯示，截至12月中旬，豆包通用模型的日均tokens使用量已超過(guò)4萬(wàn)億，較七個(gè)月前首次發(fā)布時(shí)增長(zhǎng)了33倍。

大模型應(yīng)用正在向各行各業(yè)加速滲透。據(jù)界面新聞了解，豆包大模型已經(jīng)與八成主流汽車(chē)品牌合作，并接入到多家手機(jī)、PC等智能終端，覆蓋終端設(shè)備約3億臺(tái)，來(lái)自智能終端的豆包大模型調(diào)用量在半年時(shí)間內(nèi)增長(zhǎng)100倍。最近3個(gè)月，豆包大模型在信息處理場(chǎng)景的調(diào)用量增長(zhǎng)了39倍，客服與銷(xiāo)售場(chǎng)景增長(zhǎng)16倍，硬件終端場(chǎng)景增長(zhǎng)13倍，AI工具場(chǎng)景增長(zhǎng)9倍，學(xué)習(xí)教育等場(chǎng)景也有大幅增長(zhǎng)。

在此次發(fā)布會(huì)上，譚待再次強(qiáng)調(diào)豆包大模型市場(chǎng)份額的爆發(fā)，得益于火山引擎“更強(qiáng)模型、更低成本、更易落地”的發(fā)展理念。

最新發(fā)布的豆包視覺(jué)理解模型大幅降價(jià)也基于同樣的邏輯，而字節(jié)跳動(dòng)在多模態(tài)大模型上的野心還不止于此。

爭(zhēng)奪更多有AIGC需求的客戶

字節(jié)跳動(dòng)方面稱(chēng)，豆包視覺(jué)理解模型不僅能精準(zhǔn)識(shí)別視覺(jué)內(nèi)容，還具備出色的理解和推理能力，可根據(jù)圖像信息進(jìn)行復(fù)雜的邏輯計(jì)算，完成分析圖表、處理代碼、解答學(xué)科問(wèn)題等任務(wù)。此外，該模型有著細(xì)膩的視覺(jué)描述和創(chuàng)作能力。

例如，其可以一眼識(shí)別動(dòng)物的影子，并推斷出這是什么動(dòng)物，也可識(shí)別地標(biāo)建筑、生活中不太熟悉的物品，并給出科普信息，同時(shí)還可識(shí)別出圖片中被全選位置的物體。

豆包戰(zhàn)略研究負(fù)責(zé)人周昊表示，豆包一直試圖讓用戶的輸入更快更方便，非常注重多模態(tài)的輸入和打磨，包括語(yǔ)音、視覺(jué)等能力，這些模型都已通過(guò)火山引擎開(kāi)放給企業(yè)客戶。

根據(jù)譚待的判斷，豆包視覺(jué)理解模型在判卷指導(dǎo)、作文批改、兒童陪伴等教育場(chǎng)景，目的地推薦、外文菜單識(shí)別、著名建筑識(shí)別及講解等旅游場(chǎng)景，以及拍照找同款、商品搭配建議、廣告種草文案等電商營(yíng)銷(xiāo)場(chǎng)景有較大的空間。目前，火山引擎已邀請(qǐng)數(shù)百家企業(yè)測(cè)試該模型。

和豆包視覺(jué)理解模型一同發(fā)布的，還有豆包3D生成模型。該模型與火山引擎數(shù)字孿生平臺(tái)veOmniverse結(jié)合使用，據(jù)稱(chēng)可高效完成智能訓(xùn)練、數(shù)據(jù)合成和數(shù)字資產(chǎn)制作，成為一套支持AIGC創(chuàng)作的物理世界仿真模擬器。

界面新聞?dòng)浾咴诂F(xiàn)場(chǎng)體驗(yàn)了用豆包3D生成模型生成一張桌子，輸入相關(guān)參數(shù)，模型就可以生成相應(yīng)的3D圖像，還可以根據(jù)需求變換桌子的材質(zhì)。在裝修設(shè)計(jì)、游戲、元宇宙等領(lǐng)域，該模型都可以很好地輔助設(shè)計(jì)人員進(jìn)行創(chuàng)作。

這也是字節(jié)跳動(dòng)在多模態(tài)大模型領(lǐng)域更大的野心所在。當(dāng)多模態(tài)模型的技術(shù)能力更強(qiáng)、價(jià)格更便宜，其將會(huì)在更多場(chǎng)景以及更多對(duì)AIGC有需求的企業(yè)中使用。

同時(shí)，火山引擎升級(jí)了火山方舟、扣子和HiAgent三款平臺(tái)產(chǎn)品，幫助企業(yè)構(gòu)建自身的AI能力中心，提升開(kāi)發(fā)AI應(yīng)用的效率。其中，火山方舟發(fā)布了大模型記憶方案，并推出prefix cache和session cache API，以降低延遲和成本?；鹕椒街圻€帶來(lái)全域AI搜索，具備場(chǎng)景化搜索推薦一體化、企業(yè)私域信息整合等服務(wù)。

批量更新大模型

新模型發(fā)布的同時(shí)，豆包此前發(fā)布的多款大模型也迎來(lái)更新。

其中，豆包通用模型pro已全面對(duì)齊GPT-4o，使用價(jià)格僅為后者的1/8；音樂(lè)模型從生成60秒的簡(jiǎn)單結(jié)構(gòu)，升級(jí)到生成3分鐘的完整作品；文生圖模型2.1版本，首次實(shí)現(xiàn)精準(zhǔn)生成漢字和一句話P圖的產(chǎn)品化能力。

明年春季，字節(jié)跳動(dòng)還將發(fā)布具備更長(zhǎng)視頻生成能力的豆包視頻生成模型1.5版，豆包端到端實(shí)時(shí)語(yǔ)音模型也將很快上線，從而解鎖多角色演繹、方言轉(zhuǎn)換等新能力。

相比于市場(chǎng)同類(lèi)產(chǎn)品，豆包系列大模型發(fā)布的時(shí)間并不算早，但一直保持較快速度的更新。豆包系列大模型最新的能力也通過(guò)即夢(mèng)AI和豆包App開(kāi)放給了普通用戶使用。

本月初，豆包網(wǎng)頁(yè)版和豆包App上線了圖片理解功能。測(cè)試顯示，該功能可識(shí)別圖片中包含的元素和基本特征。同時(shí)，用戶還可通過(guò)該功能詢(xún)問(wèn)某景點(diǎn)所處的位置或某個(gè)角色出自哪部影視作品。

基于字節(jié)自研的豆包文生圖模型、豆包視頻生成模型，即夢(mèng)AI近期上線了3款視頻生成模型，并接入了最新的豆包文生圖模型。測(cè)試顯示，用戶可輸入一句話一鍵生成海報(bào)，海報(bào)中文字生成的準(zhǔn)確率也大幅提升，讓圖片創(chuàng)作編輯更加靈活。

即夢(mèng)AI隸屬于字節(jié)跳動(dòng)旗下剪映業(yè)務(wù)，于2024年5月上線，定位是AI內(nèi)容平臺(tái)，支持通過(guò)自然語(yǔ)言及圖片輸入，生成高質(zhì)量的圖像及視頻。

此前，界面新聞曾獨(dú)家報(bào)道，字節(jié)跳動(dòng)旗下創(chuàng)作工具剪映和CapCut，在2024年實(shí)現(xiàn)了超過(guò)三位數(shù)收入增長(zhǎng)，總收入正接近百億元人民幣。同時(shí)，剪映和CapCut的全球月活用戶，也已經(jīng)超過(guò)8億。

目前，字節(jié)跳動(dòng)計(jì)劃提升即夢(mèng)的產(chǎn)品優(yōu)先級(jí)，嘗試用新的路徑打造AI時(shí)代的“抖音”。這也意味著，字節(jié)跳動(dòng)對(duì)大模型在消費(fèi)端產(chǎn)品落地還有更高的預(yù)期。