字节跳动在火山引擎Force大会上正式发布豆包视觉理解模型，该模型以极具性价比的多模态大模型能力为企业赋能。其千tokens输入价格仅为3厘，一元可处理284张720P图片，成本远低于行业平均水平，旨在推动AI技术普及。豆包视觉理解模型不仅能精准识别图像内容，还具备强大的理解和推理能力，可进行复杂的逻辑计算，处理图表、代码和解答学科问题。该模型已应用于豆包App和PC端产品，并计划在2025年春季推出更强大的视频生成模型1.5版和实时语音模型。目前，豆包大模型已与多家主流汽车品牌合作，覆盖3亿终端设备，调用量在半年内增长百倍。

🖼️ 豆包视觉理解模型以低至3厘/千tokens的价格，大幅降低了多模态AI的使用成本，一元钱即可处理284张720P图片，比行业平均价格便宜85%。

🧠 该模型不仅能识别视觉内容，还具备出色的理解和推理能力，可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，展现强大的AI能力。

🚀 豆包大模型已广泛应用于豆包App、PC端产品，并与八成主流汽车品牌合作，覆盖约3亿终端设备，半年内调用量增长100倍，体现了其强大的市场应用潜力。

🎥 字节跳动计划在2025年春季推出豆包视频生成模型1.5版，该版本将具备更长的视频生成能力，同时豆包端到端实时语音模型也将很快上线，进一步拓展豆包大模型的能力边界。

快科技12月18日消息，在今天举办的火山引擎Force大会上，字节跳动正式发布豆包视觉理解模型，为企业提供极具性价比的多模态大模型能力。

豆包视觉理解模型千tokens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。

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。

此前，豆包视觉理解模型已经接入豆包App和PC端产品。

值得一提的是，字节跳动还将在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

目前，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。