每經記者 楊昕怡    每經編輯 董興生    

12月日均tokens（處理文本最小單位）使用量超過4萬億，較5月發布時增長了33倍；價格僅為3厘/千tokens，1元就可以處理284張720P的圖片，比行業平均價格降低了85%。

12月18日，“2024火山引擎FORCE原動力大會•冬”上，字節跳動正式發布豆包視覺理解模型，無論性能升級還是價格下降，都再次引發行業巨震。

“視覺是人類了解這個世界最重要的成分，對于大模型來說也是如此。”火山引擎總裁譚待在發布現場如是介紹。據稱，該模型具備更出色的內容識別、理解和推理，以及視覺描述和創作等能力。而該價格的推出，也標志著繼通用大模型后，多模態模型價格邁入“厘時代”。

圖片來源：每經記者 楊昕怡 攝

此前的5月份，豆包剛一亮相就以比行業便宜99.3%的價格帶動了行業的“降價潮”，而此次多模態的“低價”難免讓外界猜測，多模態模型的價格戰要來了？

針對外界爭議，12月19日，抖音集團副總裁李亮在微博直接發聲回應：“這不是價格戰。”他解釋稱，豆包大模型通過技術創新來降低成本，在算法、軟件工程和硬件方案上做了非常多的優化。“3厘/千tokens的定價也有可觀的毛利。而且這是一步到位的透明價格，并不是‘刊例價+折扣’的玩法。”

現階段，國內大模型廠商在人才、算力、性能和產品獲客等方面的競爭日趨激烈。對于大模型產品的市場競爭，譚待對《每日經濟新聞》記者表示：“我現在不太關心競爭，因為（大模型）這個市場還在很早期，可能才開發出千分之一。這個時候其實不用關心競爭的問題，關心的（應該）是用戶的需求到底哪些沒有被滿足。”

視覺理解模型上線 豆包刷新多模態定價新低

12月18日的上海世博中心，豆包大模型再次成為這里的焦點——更多展臺、更多模型、更多前來的觀眾以及更多關于豆包的討論，足以顯示出過去7個月中豆包大模型在性能以及市場聲量上的進步。

記者在發布會現場了解到，截至12月中旬，豆包通用模型的日均tokens使用量已超過4萬億，較7個月前首次發布時增長了33倍。

日均tokens使用量上漲的同時，豆包也在快速成為一名“六邊形戰士”。發布會上，豆包視覺理解模型正式發布，豆包大模型家族再次擴容。

據譚待介紹，豆包視覺理解模型不僅能精準識別視覺內容，還具備出色的理解和推理能力，可根據圖像信息進行復雜的邏輯計算，完成分析圖表、處理代碼、解答學科問題等任務。此外，該模型有著細膩的視覺描述和創作能力。

發布會上的演示視頻展示，該模型可以識別視頻畫面中的物體、解釋雜志內頁的天文圖片、分析體檢報告內的具體指標、讀懂電腦屏幕上的代碼，甚至還能記得桌面物品的擺放位置、給用戶提供穿搭意見和為用戶識別地標、提供出行建議等。

圖片來源：每經記者 楊昕怡 攝

“好的模型，就是要讓每一家企業都用得起。”發布會上，譚待公布了豆包視覺理解模型的價格，宣布多模態定價正式邁入“厘時代”。

“這不是價格戰。”李亮在微博發聲回應稱，“豆包大模型通過技術創新來降低成本，在算法、軟件工程和硬件方案上做了非常多優化，3厘/千tokens的定價也有可觀的毛利。”

譚待在發布會后接受采訪時表示：“我們的算力儲備肯定是非常夠的，而且我們在工程技術上做了非常多的優化。這也是我們有信心去大規模、低價格、高吞吐地承接業界服務上很重要的一點。”

“To C、To B不再割裂” 豆包怎么面對市場獲客競爭？

“未來，金融、醫療、建筑、教育、體育和物流等諸多行業里將涌現出新的大模型應用場景案例。”在譚待看來，豆包視覺理解模型將極大地拓展大模型應用的場景邊界，為更多行業企業提供具有性價比的多模態大模型能力。

記者從火山引擎方面了解到，在B端市場上，豆包大模型目前已與八成主流汽車品牌合作，并接入多家手機、PC等智能終端，覆蓋終端設備約3億臺，來自智能終端的豆包大模型調用量在半年時間內增長了100倍。

12月19日，有報道稱，蘋果公司正與騰訊、字節跳動商談，將兩家公司的人工智能模型整合到在中國銷售的iPhone中，但談判仍處于早期階段。截至發稿，字節跳動對此暫未回應。

不過，隨后，字節跳動官方賬號發布風險提示稱，近期，資本市場出現炒作“豆包概念股”現象，流傳著眾多夸大其詞甚至是虛構的內容，涉及字節跳動資本開支、數據中心花費、AI硬件、應用合作等多方面。請投資者切勿輕信市場傳言，以免遭受不必要的投資損失。

“目前，國內安卓手機大部分都在和豆包合作。”被問及與蘋果合作一事時，譚待也沒有正面回復，而是提及了豆包和國內多家手機廠商的合作。

“手機的場景很多，所以對手機廠商來說，會在某些場景用豆包，某些場景用其他的大模型，或者某一個場景混合使用。對企業來說，肯定也需要一個多云或多模型的策略，這個我覺得很正常。最終還是誰能力更好、成本更低，（手機廠商）就會用誰，這筆賬就很好算。”譚待表示。

圖片來源：每經記者 楊昕怡 攝

同時，他向《每日經濟新聞》記者指出，區別于以往的技術產品，大模型在B端和C端獲客上不再割裂，而是齊頭并進。

“大家天天刷抖音，但會天天用火山引擎的云嗎？這兩者沒有必然關系。因為你看重抖音的價值和你看重火山引擎的價值是完全不一樣的，你個人用云沒有這個需求。但大模型不一樣，大模型的C端和B端背后都是同一個東西，就是模型本身。”譚待以一個細節舉例，在被企業問及如何進行AI轉型時，他有時會直接建議企業CEO下載豆包App試用，以便于去想象哪些企業場景需要大模型的應用。

時至今日，以技術為中心的“百模大戰”篩選出了一批能夠進入新賽程的選手，而變現壓力也逐漸顯現。

不可忽視的是，國內大模型產品在B端、C端獲客上的競爭日趨激烈。

今年11月，月之暗面創始人楊植麟在接受《每日經濟新聞》記者采訪時指出，目前Kimi最為核心的任務是提升留存，“（令自己滿意的留存）永無止境”。

先于豆包2天，Kimi在12月16日發布了視覺思考模型k1。據介紹，在數學、物理、化學等基礎科學學科的基準能力測試中，初代k1模型的表現超過了OpenAI o1、GPT-4o以及Claude 3.5 Sonnet。

今年10月，《每日經濟新聞》記者也從月之暗面方面證實，業界頂尖的語音技術專家——微軟亞洲研究院前首席研究經理譚旭已正式加入月之暗面。不難看出，豆包的對手們也在大力投入，堅定追逐多模態。

“從我的角度，現在不太關心（市場）競爭，因為這個市場還在很早期，可能才開發出千分之一。”面對大模型領域的戰況，譚待顯得淡然。“肯定有競爭，但這不是最關鍵的。最關鍵的是，能不能把自己的東西做好、把成本做低、把方案的落地應用性做好，讓企業和用戶真正能用起來。”