具备“看图思考”能力，字节跳动发布豆包1.5深度思考模型

潮新闻客户端 记者 楼纯

潮新闻记者获悉，4月17日，火山引擎AI创新巡展杭州站上，火山引擎总裁谭待发布了最新的豆包1.5深度思考模型，同步升级文生图模型3.0、视觉理解模型，并推出OS Agent 解决方案及AI云原生推理套件，帮助企业更快、更省地构建和部署Agent应用。

火山引擎总裁谭待

据介绍，该模型在数学、编程、科学推理等专业领域及创意写作等通用任务中表现突出。“模型能够结合视觉理解技术提供更多功能，例如根据照片分析地貌，或在旅行时辅助点餐、完成企业项目管理流程图。”谭待表示。

据了解，该模型采用MoE架构，总参数200B，激活参数为20B，低于业界同类模型参数规模的50%，具备显著的推理成本优势。同时，谭待表示，豆包大模型使用量持续高速增长。截至2025年3月，豆包大模型日均tokens使用量超12.7万亿，较发布之初增长超106倍。谭待说：“深度思考模型是构建Agent的基础，模型要有能力做好思考、计划和反思，并且一定要支持多模态，就像人类具备视觉和听觉一样，Agent才能更好地处理复杂任务。”

据谭待介绍，豆包1.5·深度思考模型在专业领域的推理任务中表现出色，数学推理AIME2024测试得分追平OpenAI o3-mini-high，编程竞赛和科学推理测试成绩也接近o1。在创意写作、人文知识问答等通用任务上，模型也展示出优秀的泛化能力，能胜任更广泛的使用场景。

另外，豆包深度思考模型还具备视觉推理能力，能像人类一样对看到的事物进行联想和思考，极大拓展了智能推理的应用边界。谭待举例说明，“模型可以看懂复杂的企业项目管理流程图表，快速定位到关键信息，并以强大的指令遵循能力，严格按照流程图，回答客户的问题；分析航拍图时，能结合地貌特征判断区域开发可行性。有多模态能力的加持，豆包深度思考模型可以助力企业在更多场景实现智能化升级。”

此外，豆包文生图模型Seedream3.0也正式向企业开放。该模型已在即梦AI、豆包产品上线，并在近期登上权威竞技场Artificial Analysis文生图榜单第一梯队。Seedream3.0支持2K分辨率直出，生图结构准确性、小字生成与排版、美感、真实度等方面具有优势。

“转载请注明出处”