21世紀(jì)商業(yè)評(píng)論

記者丨何己派 編輯丨鄢子為

4萬億，這是豆包通用模型的日均tokens使用量。

從5月首次發(fā)布到12月中旬，這個(gè)數(shù)字增長了33倍。

作為字節(jié)跳動(dòng)發(fā)力AI大模型的核心武器，豆包出場晚、野心大。

為扶其上馬，字節(jié)帶頭掀起行業(yè)第一輪降價(jià)潮，同時(shí)產(chǎn)品、服務(wù)和生態(tài)快速裂變，充實(shí)矩陣。

在12月18日舉辦的火山引擎Force大會(huì)上，字節(jié)發(fā)布豆包視覺理解、3D生成等新模型，并公布了一次到位的價(jià)格，視覺理解模型千tokens輸入價(jià)格，僅為3厘。

按此計(jì)算，一元錢就可處理284張720P的圖片，比行業(yè)價(jià)格便宜85%。

“市場就是要充分競爭，做得好才能活下來。”接受21CBR等媒體采訪時(shí)，火山引擎總裁譚待提到，新模型發(fā)布后，豆包的增速將更快。

裝上眼睛

這次發(fā)布會(huì)，字節(jié)一口氣更新了豆包多款產(chǎn)品，覆蓋通用模型及多個(gè)垂直領(lǐng)域模型，看得人眼花繚亂。

更值得拿出來說道一二的，是首次亮相的新成員，視覺理解模型。

據(jù)譚待介紹，該模型不僅能精準(zhǔn)識(shí)別視覺內(nèi)容，還具備理解和推理能力，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)科問題等任務(wù)。

其還擁有視覺描述和創(chuàng)作能力。

一句話總結(jié)，“豆包”睜眼看物理世界了。

人所接收的信息里，超八成來自視覺。對(duì)大模型來說，只有做好視覺理解，才有能力處理好真實(shí)世界的信息。

譚待現(xiàn)場展示了多個(gè)案例。

譚待

給一張動(dòng)物影子的照片，視覺理解模型能識(shí)別出這是一只貓；給一張橋的圖，模型能看出是港珠澳大橋；能理解圖片里的數(shù)學(xué)和物理題目，給出答案和思路。

此前，該模型已接入豆包App和PC端產(chǎn)品。譚待透露，過去兩個(gè)月，字節(jié)邀請(qǐng)了數(shù)百家企業(yè)，測試豆包視覺理解模型。

其可應(yīng)用的場景很多。

比如，教育場景里，豆包可以讓拍照搜題更智能，批改孩子的數(shù)學(xué)作業(yè)，優(yōu)化作文表述，減輕家長輔導(dǎo)作業(yè)的負(fù)擔(dān)。

快速擴(kuò)列

從2024年5月豆包誕生，到12月的Force大會(huì)，7個(gè)月時(shí)間，字節(jié)大模型產(chǎn)品整裝列隊(duì)，組成“全家桶”。

除了新發(fā)布的視覺理解模型，重要的產(chǎn)品更新還包括：

豆包通用模型pro全面對(duì)齊GPT-4o，使用價(jià)格僅為后者的1/8；

音樂模型從生成60秒的簡單結(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，該模型已接入即夢(mèng)AI和豆包App。

譚待的演講末尾，還以“One more thing”做了一個(gè)特別預(yù)告，發(fā)布一個(gè)1分鐘的教育應(yīng)用場景視頻。

2025年春季，將推出具備長視頻生成能力的視頻生成模型1.5版，豆包端到端實(shí)時(shí)語音模型也將很快上線。

由此，多角色演繹、方言轉(zhuǎn)換等新能力，即將解鎖。

這一輪大模型競速，起步較晚的字節(jié)，為何著急趕路？

“我們每一個(gè)模型的推出，都不算市面上最早的，但口碑和增長都不錯(cuò)。”

譚待提到，聊天是大模型一個(gè)基礎(chǔ)功能，在此之上，必須加上深度推理、圖像視覺理解等各種各樣的功能，才能處理復(fù)雜任務(wù)。

目前，豆包大模型已經(jīng)與八成主流汽車品牌合作，并接入多家手機(jī)、PC等智能終端，覆蓋約3億臺(tái)終端設(shè)備。

來自智能終端的豆包大模型調(diào)用量，半年時(shí)間內(nèi)增長100倍。

與企業(yè)生產(chǎn)力相關(guān)的場景方面，字節(jié)也披露了一系列數(shù)字。

最近3個(gè)月，豆包大模型在信息處理場景的調(diào)用量增長了39倍，客服與銷售場景增長16倍，硬件終端場景增長13倍。

實(shí)用至上

“百模大戰(zhàn)”，從算力打到應(yīng)用。但在譚待眼里，談競爭，為時(shí)過早。

“我現(xiàn)在不太關(guān)心競爭。市場處于非常早期的階段，可能剛開發(fā)出來千分之一。”

他表示，局部競爭肯定有，但不重要，更關(guān)鍵的，是看用戶哪些需求沒有被滿足，產(chǎn)品和解決方案能否做得好、成本低。

讓大模型更好用、迅速落地，才是字節(jié)眼前的要緊事。如譚待所說，現(xiàn)階段，他不關(guān)注大模型能帶動(dòng)多少云的收入，看的是有多少客戶用了豆包大模型、用得有多深。

圖蟲

按譚待總結(jié)，大模型競技場，后來者字節(jié)的市場份額，領(lǐng)先同行，其信心來自三點(diǎn)：

一是市場足夠大；二是字節(jié)有規(guī)模優(yōu)勢(shì)，把手機(jī)、汽車、金融等外部客戶，以及抖音、頭條上的內(nèi)部客戶，統(tǒng)一起來建設(shè)，都跑在火山引擎上；三是目標(biāo)明確，要在新的技術(shù)變革里做到第一。

在他看來，大模型的特別之處在于，以前的技術(shù)在To C端和To B端，都是割裂的，大模型能化二為一，底層都用的一套技術(shù)。

由此，To B的商業(yè)模式，會(huì)發(fā)生很大的變化。