杭州—— 国内人工智能领域再掀波澜。在OpenAI发布最新模型之际，国内大模型“豆包”也迎来重大升级。火山引擎总裁谭待在2025火山引擎Force Link AI创新巡展杭州站上宣布，“豆包1.5·深度思考模型”正式加入豆包大模型家族，并特别推出了具备多模态能力的“视觉版本”，标志着国内大模型在多模态推理领域迈出了重要一步。
这一消息迅速引发业界关注，预示着大模型不仅能理解文字，更能“看懂”图像，从而解锁更广泛的应用场景。
“豆包1.5”：深度思考与视觉理解的双重进化
本次发布的“豆包1.5·深度思考模型”包含两个版本：
- Doubao-1.5-thinking-pro： 主线版本，强化了语言模型的推理能力，在数学推理、编程竞赛、科学推理等专业领域以及创意写作等通用任务中表现突出。
- Doubao-1.5-thinking-pro-vision： 视觉版本，具备强大的视觉理解能力，能够像人类一样，基于所见画面进行思考，实现更立体、更深度的推理。
据介绍，Doubao-1.5-thinking-pro模型采用了MoE架构，总参数为200B，激活参数仅20B，在训练和推理成本上具有显著优势。在专业级推理方面，该模型在数学、代码、科学等领域均已达到或接近全球第一梯队水平。
例如，在数学推理方面，该模型的AIME 2024得分为86.7，追平OpenAI o3-mini-high；代码能力方面，Codeforces pass@8达到了55.0%，接近Gemini 2.5 Pro；科学推理方面，GPQA得分为77.3%，接近o3-mini-high。
多模态推理：AI理解世界的全新方式
“豆包1.5·深度思考模型”视觉版的推出，意味着大模型开始具备“原生多模态”能力。用户可以通过文字、语音甚至拍照的方式向模型提问，模型能够结合视觉信息进行深度思考，并给出更全面、更准确的答案。
例如，用户可以上传一张复杂的图表，然后向模型提问图表中的趋势和关键信息。模型不仅能识别图表中的数据，还能理解数据背后的含义，并进行深入分析。
豆包家族全面升级：应用场景持续拓展
除了“豆包1.5·深度思考模型”外，豆包家族的其他成员也迎来了重磅升级：
- 豆包·视觉理解模型： 增强了视觉定位能力和视频搜索能力。
- 豆包文生图模型3.0： 凭借“更好的文字排版表现、实拍级的图像生成效果、2K的高清图片生成”三大优势，重新树立了生成式视觉技术的工业级应用标杆。
这些升级进一步拓展了豆包大模型的应用场景，使其能够更好地服务于各行各业的需求。
火山引擎：AI云服务领域的领跑者
随着豆包大模型的不断升级和应用场景的拓展，火山引擎在AI云服务领域的领先地位也日益巩固。
据IDC报告显示，2024年中国公有云大模型调用量激增，火山引擎以46.4%的市场份额位居中国市场第一。
本次活动中，火山引擎还面向Agent服务发布了OS Agent解决方案、GUI Agent大模型——豆包1.5·UI-TARS模型；面向大规模推理，发布了AI云原生·ServingKit推理套件。这些举措将进一步提升模型面向企业复杂场景的分析能力，为智能决策与行动提供支持。
展望未来：大模型将如何改变我们的生活？
“豆包1.5·深度思考模型”的发布，是大模型技术发展的一个重要里程碑。它不仅提升了模型的推理能力，也拓展了模型的应用场景。
可以预见，随着大模型技术的不断发展，我们将会看到更多创新应用涌现，例如：
- 智能助手： 能够理解用户的意图，并根据用户的需求提供个性化的服务。
- 智能客服： 能够快速准确地回答用户的问题，并解决用户的问题。
- 智能创作： 能够辅助人们进行内容创作，提高创作效率。
- 智能决策： 能够为企业提供数据分析和决策支持，帮助企业做出更明智的决策。
大模型正在深刻地改变着我们的生活，而“豆包1.5·深度思考模型”的发布，无疑将加速这一进程。
参考文献：
- 机器之心. (2024). 刚刚，豆包1.5·深度思考模型上线，特供「视觉版本」，大模型多模态推理的时代真来了. https://www.jiqizhixin.com/articles/2024-04-17-14
Views: 1