豆包大模型，繼續卷價格

作者 | 山竹

出品 | 鋅產業

如果要問誰是大模型領域未來奪冠的熱門選手，我認為至少會有兩個：

其一是這一年在To B領域高歌猛進的阿里，另一個則是在To C領域各種產品不斷上新的字節。

就在今天，在OpenAI的12場AI線上“座談會”持續更新中，字節也對豆包進行了更新發布。

在產品發布之前，字節先是通過視頻展示了豆包視覺識別能力，可以識別桌面上的物體、可以識別電腦屏幕上的代碼、可以看懂你的體檢報告。

在這個視頻中，豆包甚至可以幫你搞定衣服穿搭、外出指南等一天內的諸多瑣事。

這就是這次發布會的重頭戲，豆包視覺理解模型。

01視覺大模型，AI生產力關鍵

自今年5月正式發布后，發布僅7個月（截止12月15日），日均調用量就達到了4萬億次，這是火山引擎總裁譚待給出的豆包大模型日均調用最新數據。

7個月里，豆包大模型日均調用量增長了33倍，這樣的增速既有全世界對于大模型的關注度，也有大模型“投流”的廣告大戰。

此前鈦媒體的一份統計數據顯示，截止10月29日，kimi 智能助手、字節跳動豆包、騰訊元寶等所有 AI 應用10月全網廣告投放（投流）支出超過3億元人民幣。

其中，在10月“投流”花費相對較少的豆包，也支出了2200萬元。

這也是為什么大家在2024年對大模型的感知度這么高的一個主要原因，也是這些大模型能夠有如此高的增速的一個主要原因。

如此巨額的投資，想要通過用戶訂閱來做到商業閉環，自是不現實。

畢竟相較于OpenAI將訂閱費從20美元/月提升到200美元/月，乃至正在計劃的2000美元/月的高級版本，國內大模型依然處于通過價格戰收攏用戶階段。

于是，面向更實際商業場景提供服務就成了一個重要的商業模式。

針對這次重點發布的豆包視覺理解模型，譚待重點介紹的正是在面向商業場景的應用。

關于為什么做視覺理解模型，譚待給出的解釋是，“只有做好視覺模型，才能讓模型有能力處理好真實世界的信息，輔助人類完成一系列復雜工作。”

據譚待介紹，豆包視覺理解模型特別強調三項能力：

第一，內容識別能力。

豆包視覺理解模型不僅可以識別出圖像中的物體類別、形狀等要素，還能理解物體之間的關系、空間布局和場景的整體含義。

例如豆包視覺理解模型可以通過貓的影子識別出鏡子前的動物是貓。

第二，理解和推理能力。

豆包視覺理解模型不僅可以識別內容，還可以根據識別的文字和圖像信息進行復雜的邏輯計算。

例如豆包視覺理解模型可以理解圖片中的問題，能夠根據提示詞進行對應的推理計算，給出數學和物理題目的答案和思路。

第三，視覺描述和創作能力。

豆包視覺理解模型有視覺描述和創作能力，可以為一款文創產品寫出對應的祝福語。

據譚待透露，在過去兩個月里，火山引擎已經邀請了數百家企業對豆包視覺理解模型進行了測試，并找到了不少有價值的應用場景。

02視覺大模型進入厘時代

在大會現場，譚待重點介紹了豆包視覺理解模型在教育、旅游、電商三大應用場景中的應用：

在教育場景，豆包視覺理解模型可以優化傳統的拍照搜題功能，也可以進一步對孩子的作業進行批改和針對性輔導，例如幫助孩子優化作文。

在旅游場景，豆包視覺理解模型可以幫我們在國外點菜時看外文菜單，當我們參觀一些知名建筑或景點時，它也可以告訴我們這些建筑和景點的背景知識。

在電商場景，豆包對于商家想要推銷的商品，根據它的產品特性生成對應的營銷和直播話術。

此外，在諸如金融、醫療、教育、建筑、體育、物流等更多行業，火山引擎也正在探索豆包的場景應用可能。

2024年，國內大模型在價格戰的推動下迎來了一波市場下沉，這波價格戰的源頭正是今年5月豆包的大幅降價。

彼時，豆包主力模型在企業市場的定價為0.0008元/千Tokens，由此引起了大模型的價格戰。

用譚待的話說就是，“我們把整個行業的價格降低了99%，降低到了一個合理的水平。”

這次，火山引擎想要再次將視覺模型價格打下來，定價為0.03元/千Tokens。

譚待說，今天視覺理解模型也將正式進入到了厘時代。