每經(jīng)記者 楊昕怡    每經(jīng)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(fā)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(yè)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(jié)跳動正式發(fā)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(fā)行業(yè)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(fā)布現(xiàn)場如是介紹。據(jù)稱，該模型具備更出色的內(nèi)容識別、理解和推理，以及視覺描述和創(chuàng)作等能力。而該價格的推出，也標(biāo)志著繼通用大模型后，多模態(tài)模型價格邁入“厘時代”。

圖片來源：每經(jīng)記者 楊昕怡 攝

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

針對外界爭議，12月19日，抖音集團(tuán)副總裁李亮在微博直接發(fā)聲回應(yīng)：“這不是價格戰(zhàn)。”他解釋稱，豆包大模型通過技術(shù)創(chuàng)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(yōu)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(xiàn)階段，國內(nèi)大模型廠商在人才、算力、性能和產(chǎn)品獲客等方面的競爭日趨激烈。對于大模型產(chǎn)品的市場競爭，譚待對《每日經(jīng)濟(jì)新聞》記者表示：“我現(xiàn)在不太關(guān)心競爭，因為（大模型）這個市場還在很早期，可能才開發(fā)出千分之一。這個時候其實不用關(guān)心競爭的問題，關(guān)心的（應(yīng)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(tài)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(diǎn)——更多展臺、更多模型、更多前來的觀眾以及更多關(guān)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(jìn)步。

記者在發(fā)布會現(xiàn)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(fā)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(zhàn)士”。發(fā)布會上，豆包視覺理解模型正式發(fā)布，豆包大模型家族再次擴(kuò)容。

據(jù)譚待介紹，豆包視覺理解模型不僅能精準(zhǔn)識別視覺內(nèi)容，還具備出色的理解和推理能力，可根據(jù)圖像信息進(jìn)行復(fù)雜的邏輯計算，完成分析圖表、處理代碼、解答學(xué)科問題等任務(wù)。此外，該模型有著細(xì)膩的視覺描述和創(chuàng)作能力。

發(fā)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(nèi)頁的天文圖片、分析體檢報告內(nèi)的具體指標(biāo)、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(biāo)、提供出行建議等。

圖片來源：每經(jīng)記者 楊昕怡 攝

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

“這不是價格戰(zhàn)。”李亮在微博發(fā)聲回應(yīng)稱，“豆包大模型通過技術(shù)創(chuàng)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(yōu)化，3厘/千tokens的定價也有可觀的毛利。”

譚待在發(fā)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(shù)上做了非常多的優(yōu)化。這也是我們有信心去大規(guī)模、低價格、高吞吐地承接業(yè)界服務(wù)上很重要的一點(diǎn)。”

“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(yī)療、建筑、教育、體育和物流等諸多行業(yè)里將涌現(xiàn)出新的大模型應(yīng)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(yīng)用的場景邊界，為更多行業(yè)企業(yè)提供具有性價比的多模態(tài)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(jī)、PC等智能終端，覆蓋終端設(shè)備約3億臺，來自智能終端的豆包大模型調(diào)用量在半年時間內(nèi)增長了100倍。

12月19日，有報道稱，蘋果公司正與騰訊、字節(jié)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(fā)稿，字節(jié)跳動對此暫未回應(yīng)。

不過，隨后，字節(jié)跳動官方賬號發(fā)布風(fēng)險提示稱，近期，資本市場出現(xiàn)炒作“豆包概念股”現(xiàn)象，流傳著眾多夸大其詞甚至是虛構(gòu)的內(nèi)容，涉及字節(jié)跳動資本開支、數(shù)據(jù)中心花費(fèi)、AI硬件、應(yīng)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(nèi)安卓手機(jī)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(fù)，而是提及了豆包和國內(nèi)多家手機(jī)廠商的合作。

“手機(jī)的場景很多，所以對手機(jī)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(yè)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(jī)廠商）就會用誰，這筆賬就很好算。”譚待表示。

圖片來源：每經(jīng)記者 楊昕怡 攝

同時，他向《每日經(jīng)濟(jì)新聞》記者指出，區(qū)別于以往的技術(shù)產(chǎn)品，大模型在B端和C端獲客上不再割裂，而是齊頭并進(jìn)。

“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(guān)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(xì)節(jié)舉例，在被企業(yè)問及如何進(jìn)行AI轉(zhuǎn)型時，他有時會直接建議企業(yè)CEO下載豆包App試用，以便于去想象哪些企業(yè)場景需要大模型的應(yīng)用。

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

不可忽視的是，國內(nèi)大模型產(chǎn)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(chuàng)始人楊植麟在接受《每日經(jīng)濟(jì)新聞》記者采訪時指出，目前Kimi最為核心的任務(wù)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(fā)布了視覺思考模型k1。據(jù)介紹，在數(shù)學(xué)、物理、化學(xué)等基礎(chǔ)科學(xué)學(xué)科的基準(zhǔn)能力測試中，初代k1模型的表現(xiàn)超過了OpenAI o1、GPT-4o以及Claude 3.5 Sonnet。

今年10月，《每日經(jīng)濟(jì)新聞》記者也從月之暗面方面證實，業(yè)界頂尖的語音技術(shù)專家——微軟亞洲研究院前首席研究經(jīng)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(tài)。

“從我的角度，現(xiàn)在不太關(guān)心（市場）競爭，因為這個市場還在很早期，可能才開發(fā)出千分之一。”面對大模型領(lǐng)域的戰(zhàn)況，譚待顯得淡然。“肯定有競爭，但這不是最關(guān)鍵的。最關(guān)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(yīng)用性做好，讓企業(yè)和用戶真正能用起來。”