共计 1675 个字符，预计需要花费 5 分钟才能阅读完成。
4 月 17 日，火山引擎在杭州正式宣布推出全新升级的多项 AI 技术，包括豆包 1.5 版深度思考模型，并同步升级了文生图模型 3.0 和视觉理解模型。同时，他们还发布了 OS Agent 解决方案和 AI 云原生推理套件，旨在帮助企业更快速、更高效地构建和部署智能 Agent 应用。
根据火山引擎的数据显示，截至 2025 年 3 月底，豆包大模型的日均 tokens 调用量已达 12.7 万亿，比去年 5 月发布时增长了上百倍。这显示出模型在实际应用中的迅速扩展。火山引擎总裁谭待强调：“Agent 智能体的发展将极大推动大模型的普及。深度思考模型是构建智能 Agent 的基础，模型必须支持多模态，包括视觉和听觉，才能像人一样进行思考、规划和反思，从而应对复杂任务。”
竞争与合作：模型质量才是王道
面对开源模型如 DeepSeek 的激烈竞争，谭待表达了自己的看法：“模型的质量才是关键，开源和闭源并不是唯一决定因素。AI 技术如一场马拉松，我们目前不过跑了 500 米。整个行业都在你追我赶，这是非常正常的竞争，推动技术不断向前。”
他进一步指出，火山引擎作为云服务提供商，核心目标是打造最好的 AI 云平台：一是夯实基础设施，确保云原生技术成熟；二是提供优质的模型及多样化应用。在基础建设完善后，无论是豆包还是开源模型，企业都可以方便地接入和使用。据了解，火山引擎对于 DeepSeek 云服务的适配效果是行业内最优的之一，许多第三方客户选择在火山引擎平台使用 DeepSeek 服务，他们对模型的依赖度是最高的。他表示：“我们希望拥有尽可能多优质模型，当然对豆包充满信心。”
豆包模型的强大表现
谭待介绍，豆包 1.5 版深度思考模型在专业领域表现出色。例如，在数学推理（如 AIME 2024 测试）中得分媲美 OpenAI 的版本，编程竞赛和科学推理等任务也非常接近领先水平。在通用任务方面，无论是创意写作还是人文知识问答，模型都表现出强大的泛化能力，能满足多样化的应用需求。
这款模型采用了高效的 MoE（稀疏专家）架构，总参数 200B，激活参数仅 20B，利用较少的参数实现了接近顶尖模型的性能。借助先进的算法和高性能推理系统，API 服务的响应速度低至 20 毫秒，保证在高并发环境下依然流畅。
多模态能力开启新场景
更令人兴奋的是，豆包深度思考模型还具备视觉推理能力。它可以像人一样理解图像内容，进行联想和思考，从而极大扩大了其应用边界。谭待举例：“模型可以理解复杂的企业流程图，快速定位关键信息，严格遵循流程应答客户问题，还能分析航拍图，结合地貌特征判断开发的可行性。”多模态特性让它在企业智能化升级中，扮演着越来越重要的角色。
与此同时，豆包的文生图模型 Seedream3.0 也正式对企业开放。这一版本支持 2K 高清分辨率，图像结构准确、美观，适用范围广泛，已在多个应用场景中表现优异，并登顶 AI 竞技场的文生图榜单，展现了强大的技术实力。
促进智能 Agent 落地
2025 年被业内视作“Agent 智能体元年”。谭待强调，在多模态深度思考模型的基础上，建设可靠的架构和工具尤为重要，以实现数字世界和物理世界的操作自动化。为此，火山引擎推出了 OS Agent 解决方案，展示了通过 Agent 完成如浏览器搜索、商品比价、视频剪辑等日常任务的能力。
这一方案包含豆包 UI-TARS 模型、veFaaS 函数服务、云服务器、云手机等多种产品，能够实现对代码、网页、电脑、手机等多种设备的智能控制。豆包 UI-TARS 模型将视觉理解、逻辑推理、界面操作融合，打破了传统依赖预设规则的限制，为智能交互提供了更自然、更贴近人类的体验。
为了应对大量模型推理带来的成本压力，火山引擎还开发了专门的云原生推理套件——ServingKit，不仅加快部署速度，还大幅降低 GPU 消耗，较传统方案降低了 80% 的能耗。这使得大规模应用成为可能，并极大提升了性价比。
根据 IDC 的《中国公有云大模型服务市场格局分析，1Q25》报告，火山引擎以 46.4% 的市场份额领跑行业，凭借丰富的工具链、灵活的解决方案和卓越的性价比，成为企业推广大模型的首选平台，未来的 AI 生态格局也将持续向火山引擎倾斜。
