抖音副总裁李亮：希望用更低成本推动 AI 技术普惠和应用发展

字节跳动发布豆包视觉理解模型，千tokens输入定价仅3厘

火山引擎Force大会上传来一个重磅消息：字节跳动正式推出了豆包视觉理解模型，旨在为企业提供强大的多模态大模型能力。最引人注目的无疑是其定价策略——千tokens输入价格仅为3厘。换算一下，一元钱就能处理多达284张720P的图片。官方给出的数据更是直白：这个价格，比行业普遍水平足足便宜了85%。

这样的定价，难免让人联想到“价格战”。但抖音集团副总裁李亮随后的发文，给出了另一番解读。他强调，这绝非简单的市场策略。

• 这不是价格战。豆包大模型通过技术创新来降低成本，在算法、软件工程和硬件方案上做了非常多优化，3 厘 / 千 tokens 的定价也有可观的毛利。而且这是一步到位的透明价格，并不是“刊例价 + 折扣”的玩法。我们希望用更低成本推动 AI 技术普惠和应用发展，就像谭待说的：‘好的模型就是要让每一家企业都用得起。’

话说回来，降低成本只是故事的一面。本次大会的另一个焦点，是豆包3D生成模型的正式亮相。这个模型可不止是生成静态图像那么简单。当它与火山引擎的数字孪生平台veOmniverse结合时，就组成了一套智能工具箱——从智能训练、数据合成到数字资产制作，都能一气呵成。官方将其定位为“一套支持AIGC创作的物理世界仿真模拟器”，野心可见一斑。

与此同时，豆包大模型家族的其他成员也迎来了重要升级：

• 豆包通用模型 pro：性能上已全面对齐GPT-4o，但使用价格仅为后者的八分之一；
• 音乐模型：生成长度实现突破，现在可以生成完整的3分钟音乐作品；
• 文生图模型 2.1 版本：能力更加细腻精准，不仅能准确生成汉字，还能实现“一句话P图”的便捷操作，目前已经接入即梦AI和豆包App。

这一系列动作下来，信号已经相当明确：通过极致的技术优化压低成本，再以一步到位的低价推动技术落地。AI这场牌局，玩法正在悄然改变。