豆包 1.8 多模態超越谷歌Gemini 3！字節祭出“推理代工”，要做模型屆的英特爾？

整理 | 褚杏娟

今天，火山引擎正式推出新一代模型：豆包大模型 1.8。該模型面向多模態 Agent 場景進行了深度優化：

• 更強 Agent 能力：Tool Use 能力、復雜指令遵循能力、OS Agent 能力都實現了大幅增強。

• 多模態理解升級：大幅提升了視覺理解的基礎能力，可以低幀率理解超長視頻。此外在視頻運動理解、復雜空間理解、文檔結構化解析能力上也都有所提升。

• 原生支持智能上下文管理：可以配置上下文壓縮策略，當任務輪次過長時，模型會根據策略智能清除低價值的歷史工具調用信息，確保多步驟任務穩定完成。

據介紹，豆包 1.8 上下文窗口達到了 256k，意味著它能同時承接較長篇幅的對話上下文，更好地連貫理解連續的信息。此外，該模型的最大輸入 Token 長度為 224k、最大輸出 Token 長度為 64k，同時它的最大思考內容 Token 長度也為 64k，這是它在內部處理信息、梳理邏輯時的容量上限。

運行效率方面，豆包 1.8 的 TPM（每分鐘處理 Token 數）達到了 5000k，而 RPM（每分鐘請求數）為 30k。

譚待表示，這些能力讓豆包 1.8 在 AIME 2025 等 Agent 評測集上穩步提升，在通用智能體測評 Benchmark 上取得全球領先成績；在多模態理解方面，于視覺判斷準確性、空間理解、文檔解析、視頻運動識別等多項能力上超越 Gemini 3，在其他任務上也都處于全球第一梯隊水平。

演示中，豆包 1.8 成功規劃流程，調用十余個工具，在多個電商平臺完成耳機的全網比價與最優選擇。此能力可廣泛應用于電商、生活服務及企業自動化流程。另外，面對一段 1 小時 4 分鐘的監控視頻，豆包 1.8 能快速低幀率瀏覽，精準定位事故畫面，分析出肇事車輛與時間。該能力可拓展至在線教育、安全巡檢、產品質檢等領域。

譚待表示，豆包 1.8 的推出，將幫助企業更便捷地構建復雜 Agent，而更多、更智能的 Agent，必將為千行百業創造前所未有的價值。”

據悉，截至今年 12 月，豆包大模型的日均 tokens 調用量已突破 50 萬億，自發布以來實現了 417 倍增長；與去年 12 月相比，實現了超過 10 倍的增長。

“這不僅僅是豆包大模型的速度，更是整個 AI 行業加速發展的縮影。不斷攀升的 tokens 調用量，也驅動著火山引擎的 AI 產品持續完善。”譚待表示。

在多模型方面，譚待表示，從理解到創造，豆包大模型同樣擁有全球領先的圖像與視頻生成能力，覆蓋了從圖像創作與編輯、視頻生成、數字人制作到 3D 模型生成的完整創作鏈條。無論是在線視頻、短劇制作，還是智能終端交互、商品營銷與產品設計，都在廣泛使用豆包的 Seedream（生圖） 和 Seedance（生視頻） 模型。

在圖像領域，字節已經發布了新一代豆包生圖模型 Seedream 4.5。它在復雜指令遵循、畫面元素保持能力上大幅提升，并融入了更豐富的世界知識，表現再上新臺階。它能夠將不同人物、物體與場景照片智能組合，生成創意合影；將汽車渲染成精致的分解結構圖；輕松制作多卡通角色的主題拼圖；實現逼真的模特虛擬試穿，并生成媲美專業設計的產品營銷海報。

在視頻創作領域。Seedance 1.0 更強大繼任者 Seedance 1.5 Pro 正式登場。其核心特點：音畫同步輸出、多人多語言對白配音，以及更強的影視級敘事張力。

根據介紹，相較于 1.0 版本，1.5 Pro 最大的特點是“音畫同出”，即實現了聲音與畫面在時間、語義上的精準同步。它能根據畫面中角色的數量和身份，精準匹配口型，解決了行業常見的“張口不發聲”或口型不匹配的問題。同時，它原生支持多種語言及中國各地方言，為內容創作帶來極大的實用性與豐富性。

回歸視覺本身，模型不僅要生成高清畫面，更需駕馭影視級鏡頭語言和敘事張力，捕捉細膩的微表情。Seedance 1.5 Pro 在這方面也大幅增強，能通過一段提示詞，生成充滿細節和情感張力的畫面。

為了進一步提升創作效率，Seedance 系列即將上線 “Draft 樣片”功能。用戶可先快速生成低分辨率樣片，驗證創意和關鍵要素，滿意后再生成最終成片。這將幫助用戶將整體創作效率提升 65%，并減少 60% 的無效創作成本。

面向企業的“推理代工”

據統計，在 2025 年，已有超過 100 萬家企業及個人使用了火山引擎的大模型服務，覆蓋百余個行業，其中已有超過 100 家企業在火山引擎的累計 tokens 使用量突破了 1 萬億。今天，火山引擎再次面向企業推出了一系列優惠和新服務。

首先，火山引擎正式推出“豆包助手 API”。它將豆包 APP 核心的對話、思考、搜索、創作等 Agent 能力，以 API 形式開放，讓企業可以“開箱即用”。首批與文本相關的四項能力已上線火山方舟，未來還將開放更多多模態理解、深度研究、視頻通話等能力。

譚待表示，豆包 APP 不僅是國內用戶規模最大的 AI 應用，從技術角度看，更是中國最復雜、難度最高的 AI Agent 之一。其背后對話、解讀、搜索、研究等能力，均由一套復雜的 Agent 系統驅動，并經歷了數億用戶的長期打磨。

鑒于企業內部使用大模型的部門和模型種類越來越多，火山引擎還推出了業界首個 「AI 節省計劃」?；鹕揭嫔纤邪戳扛顿M的大模型，包括豆包及各類開源模型，均可參與。企業各部門可享受統一價格優惠，且不同模型的用量可合并累計，打破嘗試新模型的冷啟動成本顧慮。據介紹，該計劃采用階梯折扣，用量越多節省越多，最高可節省 47% 的成本。

推理代工

其次，火山方舟正式推出“推理代工”服務。針對典型的開源大模型結構，火山方舟提供經過大規模驗證的系統能力，包括極致的彈性伸縮、全棧推理優化與分布式緩存等整套支持。

具體來說，用戶上傳加密后的模型參數后，無需運維底層 GPU，無需進行復雜的網絡與調度配置，只需關注模型本身。根據火山方面測試，當企業選擇以云上集群替代自建集群時，硬件與運維成本可下降約一半；而進一步采用方舟推理代工服務后，對比在云上租賃 GPU 算力，客戶可獲得額外 1.6 倍左右的吞吐提升。

“這背后依賴于火山引擎充沛的 GPU 資源池與長期的推理優化投入。算力池規模越大，調度效率越高，單位成本就越低。我們能夠在分鐘級完成百卡到千卡的算力伸縮，以應對突發流量?！被鹕揭嬷悄芩惴ㄘ撠熑藚堑险f道。

吳迪表示，著眼于長遠，AI 產業的推理與訓練走向分工與分層是大勢所趨。

他解釋道，對于大多數團隊而言，低成本、高吞吐地“推理好”一個大模型，可能比“后訓練好”一個模型更為困難。在建設初期，企業往往需要投入數百萬人民幣，經歷數月的上線周期，并面臨復雜的運維挑戰。當業務進入規模化擴張階段，除了線性增長的硬件成本，還有許多易被忽視的隱形成本：例如，規模化對運維團隊提出更高要求、模型迭代與升級帶來難以預估的成本，以及新業務爆發式增長時，推理資源往往措手不及。

聲明：本文為 AI前線整理，不代表平臺觀點，未經許可禁止轉載。

AI 重塑組織的浪潮已至，Agentic 企業時代正式開啟！當 AI 不再是單純的輔助工具，而是深度融入業務核心、驅動組織形態與運作邏輯全面革新的核心力量。

把握行業變革關鍵節點，12 月 19 日 - 20 日，AICon 全球人工智能開發與應用大會（北京站） 即將重磅啟幕！本屆大會精準錨定行業前沿，聚焦大模型訓練與推理、AI Agent、研發新范式與組織革新，邀您共同深入探討：如何構建起可信賴、可規?；⒖缮虡I化的 Agentic 操作系統，讓 AI 真正成為企業降本增效、突破增長天花板的核心引擎。

今日薦文

你也「在看」嗎？