AI原生應(yīng)用蓬勃發(fā)展，豆包App以其卓越的表現(xiàn)，成為行業(yè)焦點(diǎn)。

QuestMobile2024年AIGC應(yīng)用發(fā)展年度報(bào)告數(shù)據(jù)顯示，截至2024年12月，豆包App月活躍用戶規(guī)模復(fù)合增長率達(dá)到21.2%，強(qiáng)勢突破7500萬大關(guān)，在綜合類AI原生App中以顯著優(yōu)勢穩(wěn)居榜首。

在綜合類原生App呈現(xiàn)的二八流量格局中，豆包與另外兩家頭部應(yīng)用共同包攬80%流量，憑借龐大的用戶基礎(chǔ)和高活躍度，成為行業(yè)發(fā)展的引領(lǐng)者。

1月22日，豆包大模型1.5Pro版本正式發(fā)布。此次更新進(jìn)一步提升了豆包大模型的性價(jià)比：32k上下文長度的Doubao-1.5-pro處理100萬token僅需8毛錢，輸出100萬token也只需2元。

然而，豆包并不是一味“卷”價(jià)格，而是真正做到在價(jià)廉物美的基礎(chǔ)上實(shí)現(xiàn)收益。報(bào)道稱，豆包大模型去年大幅降價(jià)后，毛利率依然為正。其中，字節(jié)跳動(dòng)最新推出的豆包大模型1.5，在推理成本優(yōu)化上取得進(jìn)一步突破。在火山引擎上售賣API的Doubao-1.5-pro，毛利率仍能達(dá)到50%。

豆包App的領(lǐng)先，得益于其持續(xù)進(jìn)化的模型能力。

豆包大模型1.5Pro綜合能力顯著增強(qiáng)，低訓(xùn)練/推理成本和高效模型結(jié)構(gòu)全面提升多模態(tài)能力和推理能力，在多項(xiàng)公開評(píng)測基準(zhǔn)上全球領(lǐng)先。模型訓(xùn)練過程中，豆包大模型1.5Pro未使用任何其他模型生成的數(shù)據(jù)，扎實(shí)不走“捷徑”。

智商、情商、聽說讀寫全面提升

豆包大模型pro 1.5在同一模型中融合并提升了視覺、語音等多模態(tài)能力，可為用戶帶來更自然、更豐富的交互體驗(yàn)。

它到底有多強(qiáng)？先看排名。

在多項(xiàng)基準(zhǔn)測試?yán)?，豆?.5 Pro的得分達(dá)到了全球領(lǐng)先水平

首先，在編程和數(shù)學(xué)能力方面，豆包1.5 Pro的表現(xiàn)屬于行業(yè)第一梯隊(duì)。

其次，在更適合中國人使用的中文理解方面更是明顯優(yōu)于海外模型。

圖片來源：豆包技術(shù)博客

此外，豆包1.5 pro還是一個(gè)多模態(tài)模型，具備視覺、語音等多模態(tài)能力，而且多模態(tài)能力處于世界一流水平。

豆包1.5 pro的視覺推理能力表現(xiàn)優(yōu)越，在各類評(píng)測基準(zhǔn)上均取得了優(yōu)異表現(xiàn)。

漂亮的參數(shù)背后是否有真材實(shí)料？一一來看。

首先，先看邏輯推理能力。

先來一道經(jīng)典的愛因斯坦謎題開開胃。

這一問題豆包僅使用不到7秒的時(shí)間就解出了正確答案。

Doubao-1.5-pro-AS1-Preview模型能力更是炸裂，連網(wǎng)絡(luò)梗知識(shí)都能給你分析得明明白白。

其次，視覺多模態(tài)性能進(jìn)一步提升，從容應(yīng)對(duì)更復(fù)雜場景。相比于上一版本，Doubao-1.5-pro在多模態(tài)數(shù)據(jù)合成、動(dòng)態(tài)分辨率、多模態(tài)對(duì)齊、混合訓(xùn)練上進(jìn)行了全面的技術(shù)提升，進(jìn)一步增強(qiáng)了模型在視覺推理、文字文檔識(shí)別、細(xì)粒度信息理解、指令遵循等方面的能力，并讓模型的回復(fù)模式變得更加精簡、友好。在同一模型中融入強(qiáng)大的視覺理解能力，使模型可以同時(shí)理解虛擬和現(xiàn)實(shí)世界的各類視覺信號(hào)，更好地輔助人類決策。輸入任意分辨率圖像，無論是高清大圖、低分辨率小圖還是極端長寬比圖像。豆包大模型都能根據(jù)需求，實(shí)現(xiàn)精準(zhǔn)的特征提取和高效的計(jì)算性能，滿足提問者對(duì)圖像內(nèi)容深度探索的需求。

筆者請求豆包批改圖片中的英文作文，豆包很快就給出了評(píng)分與理由，并提出了修改意見。豆包對(duì)錯(cuò)誤的識(shí)別異常精準(zhǔn)，想來以后老師們改作業(yè)就有福了。

之后我們再加大難度，讓豆包站在產(chǎn)品設(shè)計(jì)師的角度來評(píng)判一張椅子的產(chǎn)品設(shè)計(jì)圖

這回答專業(yè)感爆表，以后做設(shè)計(jì)又要少熬幾個(gè)通宵了。

豆包最新更新的語音模式更是一絕。語音多模態(tài)理解生成一體化，情商智商雙雙在線。在語音多模態(tài)上，豆包團(tuán)隊(duì)提出了新的Speech2Speech的端到端框架，不僅通過原生方法將語音和文本模態(tài)進(jìn)行深度融合，同時(shí)還實(shí)現(xiàn)了語音對(duì)話中真正意義上的語音理解生成端到端，相比傳統(tǒng)的ASR+LLM+TTS的級(jí)聯(lián)方式，在對(duì)話效果上有質(zhì)的飛躍。這使得豆包語音模型可以理解各種人類情感，并完美的模仿出來。

除此之外，豆包連方言都能輕松解讀。

豆包1.5 pro如何打破“低價(jià)無高性能”魔咒

長期以來，AI行業(yè)迷信“大力出奇跡”，認(rèn)為優(yōu)秀的大模型必定耗費(fèi)巨大。低價(jià)和性能不可兼得。

許多同行為了降低成本，依賴外部數(shù)據(jù)或蒸餾其他大模型。

此前就有學(xué)者指出，蒸餾技術(shù)雖能提高效率，但存在巨大缺陷，就是被訓(xùn)練的模型（即“學(xué)生模型”）沒法真正超越“教師模型”，會(huì)產(chǎn)生一種隱性天花板效應(yīng)。更深層次看，過度依賴蒸餾可能會(huì)扼殺AI領(lǐng)域中新穎的、具有變革性的創(chuàng)意。

阿爾特曼也表示：“復(fù)制已有的東西容易，但創(chuàng)新卻很難。”

圖片來源：X

而豆包走的是另外一條路。豆包1.5 pro的訓(xùn)練過程中完全依靠自有數(shù)據(jù)，不僅保障了數(shù)據(jù)的獨(dú)立性和可靠性，還有效避免了外部模型潛在的偏差影響。

其次，豆包1.5 pro采用MoE（混合專家）架構(gòu)，通過訓(xùn)練-推理一體化設(shè)計(jì)，在保持強(qiáng)大模型性能的同時(shí)，極大地降低了推理成本。

從訓(xùn)練和推理效率的角度來說，豆包1.5 pro所使用的稀疏MoE架構(gòu)僅用較小參數(shù)激活，性能即可超過Llama3.1-405B等超大稠密預(yù)訓(xùn)練模型。

豆包團(tuán)隊(duì)通過對(duì)稀疏度Scaling Law（縮放定律）的研究，確定了性能和效率比較平衡的稀疏比例，讓小參數(shù)量激活的模型同樣能夠達(dá)到當(dāng)前世界一流大模型的性能。

此前的MoE架構(gòu)普遍只能達(dá)到3倍杠桿的水平，而豆包1.5pro就把標(biāo)準(zhǔn)提升到了7倍。

在完全相同的9T tokens數(shù)據(jù)對(duì)比驗(yàn)證下，用激活參數(shù)僅為稠密模型參數(shù)量1/7的MoE（混合專家）模型，就超過了稠密模型的性能。不僅如此，得益于更優(yōu)的預(yù)訓(xùn)練數(shù)據(jù)質(zhì)量和訓(xùn)練超參，Doubao-MoE的性能同樣可以超越總參數(shù)遠(yuǎn)大于它的超大規(guī)模稠密預(yù)訓(xùn)練模型，比如LLaMA-3.1-405B，其訓(xùn)練數(shù)據(jù)為15T tokens。

圖片來源：豆包技術(shù)博客

另外，算法團(tuán)隊(duì)在預(yù)訓(xùn)練模型的基礎(chǔ)上，設(shè)計(jì)了一系列模型參數(shù)動(dòng)態(tài)調(diào)整算法，可以根據(jù)不同應(yīng)用對(duì)模型性能的需求，從模型深度、寬度、MoE專家數(shù)、激活專家數(shù)、隱藏token推理等維度來選擇擴(kuò)增和縮小模型參數(shù)，靈活性和適配性拉滿，最大程度達(dá)成模型能力與推理成本的最優(yōu)平衡。

豆包大模型攜手火山引擎，深度賦能千行百業(yè)

當(dāng)下，人工智能已成為各行業(yè)轉(zhuǎn)型升級(jí)的核心驅(qū)動(dòng)力。豆包大模型憑借其卓越性能，在火山引擎的強(qiáng)力支撐下，正深度融入汽車、手機(jī)等諸多行業(yè)，重塑產(chǎn)業(yè)格局。

火山引擎作為字節(jié)跳動(dòng)旗下云服務(wù)平臺(tái)，幫助企業(yè)和開發(fā)者更方便地調(diào)用豆包大模型，大幅降低了使用成本，讓企業(yè)能夠以極低的成本獲取強(qiáng)大的AI能力，真正實(shí)現(xiàn)了AI技術(shù)的普惠，為大中小企業(yè)在數(shù)字化轉(zhuǎn)型過程中減輕了經(jīng)濟(jì)負(fù)擔(dān)，加速了AI技術(shù)在各領(lǐng)域的廣泛應(yīng)用與深度融合。

據(jù)悉，豆包大模型已經(jīng)與八成主流汽車品牌合作，并接入到榮耀、VIVO等多家手機(jī)品牌。此外，豆包視覺理解模型已經(jīng)接入PC端產(chǎn)品。覆蓋終端設(shè)備約3億臺(tái)，來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100倍。

火山引擎持續(xù)深耕技術(shù)研發(fā)，不斷推動(dòng)豆包大模型迭代升級(jí)。從豆包3D生成模型與火山引擎數(shù)字孿生平臺(tái)veOmniverse協(xié)同打造物理世界仿真模擬器；到對(duì)標(biāo)GPT-4o且價(jià)格優(yōu)勢顯著的通用模型pro；再到音樂模型、文生圖模型等功能的進(jìn)階突破，以及即將推出的視頻生成模型1.5版和端到端實(shí)時(shí)語音模型所蘊(yùn)含的巨大潛力，都彰顯了其在AI領(lǐng)域的創(chuàng)新實(shí)力與全方位布局。在為企業(yè)提供豐富多樣、高性能模型選擇的同時(shí)，火山引擎還通過升級(jí)火山方舟、扣子和HiAgent等平臺(tái)產(chǎn)品，助力企業(yè)高效構(gòu)建自身AI能力中心，加速AI應(yīng)用開發(fā)進(jìn)程，全方位保障企業(yè)在智能化轉(zhuǎn)型道路上穩(wěn)步前行。

隨著豆包大模型與火山引擎的深度融合與持續(xù)創(chuàng)新，在千行百業(yè)的滲透將更為深入，有望解鎖更多創(chuàng)新應(yīng)用場景，創(chuàng)造更大商業(yè)價(jià)值與社會(huì)福祉。

文/丘山