在近日于线上举办的火山引擎Force大会上，字节跳动公司正式揭晓了其最新研发成果——豆包视觉理解模型。这一创新产品旨在为企业提供强大的多模态大模型能力，为企业智能化转型注入新动力。
据官方介绍，豆包视觉理解模型在成本控制上实现了突破，其千tokens输入价格仅为3厘，换算下来，一元钱便能处理高达284张720P分辨率的图片。这一价格策略相较于行业平均水平，降幅高达85%，引发了广泛关注。
抖音集团副总裁李亮随后在社交媒体上发表观点，强调豆包大模型的低价并非出于价格战的目的。他指出，豆包大模型通过深度的技术创新，在算法设计、软件工程以及硬件方案等多个层面进行了全面优化，从而实现了成本的大幅降低。3厘/千tokens的定价策略，在保障企业合理利润的同时，也体现了公司推动AI技术普及和应用的决心。李亮还提到，豆包大模型的价格策略一步到位，透明公开，摒弃了传统的“刊例价+折扣”模式，旨在让每一家企业都能享受到AI技术带来的便利。
在大会现场，豆包3D生成模型也首次亮相，吸引了众多目光。该模型与火山引擎的数字孪生平台veOmniverse相结合，能够完成智能训练、数据合成以及数字资产制作等一系列任务。官方将其誉为“一套支持AIGC创作的物理世界仿真模拟器”，为数字内容的创作提供了全新的可能。
豆包大模型旗下的多款产品也迎来了全面升级。其中，豆包通用模型pro全面对标GPT-4o，在性能上毫不逊色，但使用价格仅为后者的1/8，为用户提供了更具性价比的选择。音乐模型则能够生成长达3分钟的完整音乐作品，为音乐创作领域带来了新的活力。而文生图模型2.1版本则实现了精准生成汉字、一句话P图等功能，并已成功接入即梦AI和豆包App，进一步拓宽了应用场景。
