近日，字节跳动在其火山引擎Force大会上，正式揭晓了一项新的技术成果——豆包视觉理解模型。这一多模态大模型能力，旨在为企业提供高效且经济的视觉处理方案。据悉，豆包视觉理解模型在处理大量数据时展现出了显著的成本优势，其千tokens输入价格仅为3厘，换算下来，每处理一张720P的图片成本不到4分钱，相较于行业平均水平，价格降低了85%。
在大会现场，字节跳动还展示了豆包3D生成模型。这款模型与火山引擎的数字孪生平台veOmniverse协同工作，能够完成从智能训练到数据合成，再到数字资产制作的完整流程。这一组合被字节跳动誉为“AIGC创作的物理世界仿真模拟器”，预示着在数字内容创作领域的一次重要革新。
不仅如此，豆包大模型旗下的多款产品也在此次大会上迎来了更新。其中，豆包通用模型pro全面升级，其功能与GPT-4o不相上下，但使用价格仅为后者的八分之一。音乐模型则新增了生成3分钟完整音乐作品的能力，为音乐创作提供了更多可能性。文生图模型也升级到了2.1版本，能够更精准地生成汉字，并实现了一句话P图的功能，目前这一功能已经接入了即梦AI和豆包App。
据字节跳动透露，豆包视频生成模型也将在明年春季迎来1.5版本的更新，新版本将具备更强的长视频生成能力。同时，豆包端到端实时语音模型也即将上线，这一模型将解锁多角色演绎、方言转换等全新功能，为语音处理领域带来更多的可能性。
字节跳动的这一系列动作，无疑展示了其在人工智能领域的深厚积累和持续创新的能力。随着豆包大模型及其旗下产品的不断更新和完善，我们有理由相信，字节跳动将在未来为更多企业和个人提供更加智能、高效、经济的解决方案。
